如何在没有交叉验证的情况下运行GridSearchCV

Question

我想运行一个没有CV的常规"网格搜索"，即我不想交叉验证，但不允许设置cv=1。

我这样做是因为我使用分类器来绘制决策边界，可视化/理解我的数据，而不是预测标签，并且不关心泛化错误。我想尽量减少训练错误。

编辑：我想我真的在问两个问题

1. 如何破解GridSearchCV中的cv=1？以下由奥格里塞尔回答
2. 做网格搜索以最小化训练误差而不是泛化误差有意义吗？如果有，我该怎么做？我怀疑这涉及到在GridSearchCV中为scoring参数插入我自己的评分函数

Answer 1

您可以传递ShuffleSplit(test_size=0.20, n_splits=1, random_state=0)的实例作为cv参数。

这将对每个参数组合进行单个CV分割（sklearn.model_selection.ShuffleSplit）。