我可以在GridSearchCV中运行StraitifiedShuffleSplit而不必首先将其示例化为“ss”吗？
ss = StratifiedShuffleSplit(n_splits=3, test_size=0.5, random_state=0)
grid_search = GridSearchCV(clf_us, param_grid = {parameter: num_range},cv=ss)字符串
我可以在GridSearchCV中运行StraitifiedShuffleSplit而不必首先将其示例化为“ss”吗？
ss = StratifiedShuffleSplit(n_splits=3, test_size=0.5, random_state=0)
grid_search = GridSearchCV(clf_us, param_grid = {parameter: num_range},cv=ss)字符串
1条答案
按热度按时间r6hnlfcb1#
如果您正在构建一个分类器，并且只关心在每个折叠中保持与完整数据集中相同的标签平衡，则可以通过在GridSearchCV中指定折叠数来避免示例化StratifiedShuffleSplit，例如cv=5。
根据文件：对于整数/无输入，如果估计器是分类器，并且y是二进制或多类，则使用StratifiedKFold。在所有其他情况下，使用KFold。”http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html
但是，如果你想更好地控制数据拆分，那么你http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.ShuffleSplit.html#sklearn.model_selection.ShuffleSplit