GridSearchCV VS 模型的CV

Question

使用 RidgeClassifierCV 和训练后调整模型

classifier = RidgeClassifierCV(alphas=np.logspace(-3, 3, 10), normalize=True)
classifier.fit(X_train, y_train)

和

param_grid = {'alphas': np.logspace(-3, 3, 10)}
grid = GridSearchCV(RidgeClassifier(),param_grid, refit = True)

Answer 1

RidgeClassifierCV 允许您执行交叉验证并找到关于您的数据集的最佳 alpha。

GridSearchCV 不仅可以微调估算器，还可以微调 Pipeline 的预处理步骤。

根据文档，EstimatorCV（例如 RidgeClassifierCV）的优势在于它们可以通过在交叉验证过程的先前步骤中重复使用预先计算的结果来利用热启动。这通常会提高速度。

作为结论，如果您只是想微调岭分类器，RidgeClassifierCV 应该是最佳选择，因为它可能更快。但是，如果您有额外的预处理步骤，最好使用 GridSearchCV.

GridSearchCV VS CV of the model