模型选择与调优

短命女 2022-12-29 02:11 127阅读 0赞

### 模型选择与调优 ###

*  什么是交叉验证(cross validation)
 *   *  操作
     *  为什么需要交叉验证
 *  超参数搜索-网格搜索(Grid Search)
 *   *  模型选择与调优API
 *  鸢尾花案例增加K值调优

# 什么是交叉验证(cross validation) #

**交叉验证**：将拿到的训练数据，分为训练和验证集。比如：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。

## 操作 ##

我们之前知道数据分为训练集和测试集，但是为了让从训练得到模型结果更加准确。做以下处理

*  训练集：训练集+验证集
 *  测试集：测试集

## 为什么需要交叉验证 ##

**交叉验证目的**：为了让被评估的模型更加准确可信  
**问题**：那么这个只是对于参数得出更好的结果，那么怎么选择或者调优参数呢？

# 超参数搜索-网格搜索(Grid Search) #

通常情况下，**有很多参数是需要手动指定的(如k-近邻算法中的K值)，这种叫超参数**。但是手动过程繁杂，所以需要对模型预设几种超参数组合。**每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。**

## 模型选择与调优API ##

*  `sklearn.model_selection.GridSearchCV(estimator,param_grid=None,cv=None)`
    
     *  对估计器的指定参数值进行详尽搜索
     *  `estimator`：估计器对象
     *  `param_grid`：估计器参数`(dict){"n_neighbors":[1, 3,5]}`
     *  `cv`：指定几折交叉验证
     *  `fit()`：输入训练数据
     *  `score()`：准确率
     *  结果分析：
        
         *  最佳参数： `best_params_`
         *  最佳结果：`best_score_`
         *  最佳估计器：`best_estimator`
         *  交叉验证结果：`cv_results_`

# 鸢尾花案例增加K值调优 #

from sklearn.datasets import load_iris
    from sklearn.model_selection import train_test_split, GridSearchCV
    from sklearn.preprocessing import StandardScaler
    from sklearn.neighbors import KNeighborsClassifier
    
    if __name__ == '__main__':
        #  获取数据
        iris = load_iris()
    
        # 划分数据集
        x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
    
        # 特征工程：标准化
        transfer = StandardScaler()
        x_train = transfer.fit_transform(x_train)
        x_test = transfer.fit_transform(x_test)     # 控制变量, 用同样的参数进行标准化
    
        # KNN 算法预估器
        estimator = KNeighborsClassifier(n_neighbors=3)
    
        # 加入网格搜索与交叉验证
        # 参数准备
        param_dict = {
        'n_neighbors': [1, 3, 5, 7, 9, 11]}
        estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
        estimator.fit(x_train, y_train)
    
        # 模型评估
        # 方法一：直接对比真实值和预测值
        y_predict = estimator.predict(x_test)
        print('y_predict：\n', y_predict)
        print('直接对比真实值和预测值:\n', y_test == y_predict)
    
        # 方法二：计算准确率
        score = estimator.score(x_test, y_test)
        print('准确率:\n', score)
        # - 最佳参数： `best_params_`
        print('最佳参数：\n', estimator.best_params_)
        # - 最佳结果：`best_score_`
        print('最佳结果：\n', estimator.best_score_)
        # - 最佳估计器：` best_estimator`
        print('最佳估计器:\n', estimator.best_estimator_)
        # - 交叉验证结果：`cv_results_`
        print('交叉验证结果：\n', estimator.cv_results_)