如何优雅地将 Sklearn GridsearchCV 最佳参数传递给另一个模型？

Question

我使用网格搜索 CV 为我的 KNN 估计器找到了一组最佳超参数：

>>> knn_gridsearch_model.best_params_
{'algorithm': 'auto', 'metric': 'manhattan', 'n_neighbors': 3}

到目前为止，还不错。我想用这些新发现的参数训练我的最终估计器。有没有办法直接将上面的超参数字典提供给它？我试过这个：

>>> new_knn_model = KNeighborsClassifier(knn_gridsearch_model.best_params_)

但相反，希望的结果 new_knn_model 只是将整个字典作为模型的第一个参数，并将其余参数保留为默认值：

>>> knn_model
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1,
           n_neighbors={'n_neighbors': 3, 'metric': 'manhattan', 'algorithm': 'auto'},
           p=2, weights='uniform')

确实令人失望。

Answer 1

您可以按如下方式进行：

new_knn_model = KNeighborsClassifier()
new_knn_model.set_params(**knn_gridsearch_model.best_params_)

或者按照@taras 的建议直接解压：

new_knn_model = KNeighborsClassifier(**knn_gridsearch_model.best_params_)

顺便说一下，在完成运行网格搜索后，网格搜索对象实际上保留（默认情况下）最佳参数，因此您可以使用对象本身。或者，您也可以通过

访问具有最佳参数的分类器

gs.best_estimator_

Answer 2

我只想指出，使用 grid.best_parameters 并通过 unpacking 将它们传递给新模型，例如：

my_model = KNeighborsClassifier(**grid.best_params_)

很好，我个人经常使用它。
但是，正如您在文档 here 中看到的那样，如果您的目标是使用那些 best_parameters 来预测某些内容，您可以直接使用 grid.predict 方法，该方法将为您使用这些最佳参数默认。

示例：

y_pred = grid.predict(X_test)

希望这对您有所帮助。

如何优雅地将 Sklearn GridsearchCV 最佳参数传递给另一个模型？

How to pass elegantly Sklearn's GridseachCV's best parameters to another model?

python

machine-learning

scikit-learn

hyperparameters

grid-search