拟合 sklearn GridSearchCV 模型

Question

我试图在随机森林回归器的帮助下解决波士顿数据集上的回归问题。我正在使用GridSearchCV来选择最佳超参数。

问题一

我应该适合GridSearchCV一些X_train, y_train，然后获得最佳参数。

或者

我应该适合它X, y以获得最佳参数。（X，y =整个数据集）

问题二

说如果我适合它X, y并获得最佳参数，然后在这些最佳参数上建立一个新模型。现在我应该如何训练这个新模型？

我应该在X_train, y_train或上训练新模型X, y.

问题三

如果我训练新模型，X,y那么我将如何验证结果？

到目前为止我的代码

   #Dataframes
    feature_cols = ['CRIM','ZN','INDUS','NOX','RM','AGE','DIS','TAX','PTRATIO','B','LSTAT']

    X = boston_data[feature_cols]
    y = boston_data['PRICE']

训练测试数据拆分

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 1)

网格搜索以获得最佳超参数

from sklearn.grid_search import GridSearchCV
param_grid = { 
    'n_estimators': [100, 500, 1000, 1500],
    'max_depth' : [4,5,6,7,8,9,10]
}

CV_rfc = GridSearchCV(estimator=RFReg, param_grid=param_grid, cv= 10)
CV_rfc.fit(X_train, y_train)

CV_rfc.best_params_ 
#{'max_depth': 10, 'n_estimators': 100}

在 max_depth 上训练模型：10，n_estimators：100

RFReg = RandomForestRegressor(max_depth = 10, n_estimators = 100, random_state = 1)
RFReg.fit(X_train, y_train)
y_pred = RFReg.predict(X_test)
y_pred_train = RFReg.predict(X_train)

均方根误差： 2.8139766730629394

我只是想要一些关于正确步骤的指导

Answer 1

一般来说，要调整超参数，您应该始终在 上训练模型X_train，并使用X_test来检查结果。您必须根据获得的结果调整参数X_test。

您永远不应该在整个数据集上调整超参数，因为这会破坏测试/训练分割的目的（正如您在问题3中正确提出的那样）。