如何在sklearn中重新拟合最佳分类器

Question

使用 scikit-learn，我使用网格搜索来拟合分类器，如下所示：

from sklearn.svm import SVC
param_grid = { 
    'C': [1e-2, 0.1, 1.0],
    'gamma': [1e-4, 1e-3, 1e-2],
    'class_weight': ['auto']
}

clf = SVC()
gs = grid_search.GridSearchCV(clf, param_grid, cv=3, n_jobs=12)
gs.fit(x_train, y_train)

我现在想使用找到的最佳参数和额外的参数重新训练分类器probability=True。如何使用最佳参数以及额外参数重新拟合分类器probability？

Answer 1

您可以使用gs.best_params_来获取参数，然后创建一个新的分类器，如下所示

clf = SVC(probability=True, **gs.best_params_)