相关疑难解决方法(0)

是否可以在没有交叉验证的情况下使用GridSearchCV？我试图通过网格搜索优化KMeans集群中的集群数量,因此我不需要或不需要交叉验证.

该文件还困惑我因为根据拟合()方法,它有监督学习的一个选项(说,使用无,无监督学习).但是如果你想进行无监督学习,你需要在没有交叉验证的情况下进行,并且似乎没有选择去除交叉验证.

如果您想在没有交叉验证的情况下在 sklearn 中进行网格搜索（是什么GridSearchCV），您显然可以使用ParameterGrid该类（请参阅此处：是否有简单的方法在 python 中无需交叉验证即可进行网格搜索？）。有没有人知道一种类似的方法可以在没有 CV 的情况下进行随机搜索（即相当于RandomizedSearchCV）？

我想运行常规的“不带CV的网格搜索”，即我不想交叉验证，但是cv=1不允许设置。

我之所以这样做，是因为我使用分类器来绘制决策边界并可视化/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cv=1的GridSearchCV？由以下ogrisel回答
2. 进行网格搜索以最大程度地减少训练错误而不是泛化错误是否有意义？如果是，我该怎么做？我怀疑这涉及为？中的scoring参数插入我自己的评分函数GridSearchCV。