如何在 GridSearchCV 中提供预定义的 k-folds
How to feed predefined k-folds in GridSearchCV
我想使用 GridSearchCV 对我拥有的 10 个预定义的选定数据折叠(作为数据索引列表列表)进行参数调整和评估。
有谁知道如何在 scikit 中为 GridSearchCV 提供 10 个预定义测试折叠列表?
splits=[ [0,10,9,1,2,..] ,[3,5,7,..],[23,4,34,..]]
#len(split)=10
greed_search = GridSearchCV(estimator, param_grid=parameters, cv=splits,scoring=scoring, refit=score, error_score=0, n_jobs=n_jobs)
我认为你需要像这样预处理你的折叠:
new_splits = []
for i in range(len(splits)):
train = [j for i in splits[:i] + splits[i + 1:] for j in i]
test = splits[i]
new_splits.append([train, test])
不仅要在迭代中获取测试部分,还要训练部分
我想使用 GridSearchCV 对我拥有的 10 个预定义的选定数据折叠(作为数据索引列表列表)进行参数调整和评估。
有谁知道如何在 scikit 中为 GridSearchCV 提供 10 个预定义测试折叠列表?
splits=[ [0,10,9,1,2,..] ,[3,5,7,..],[23,4,34,..]]
#len(split)=10
greed_search = GridSearchCV(estimator, param_grid=parameters, cv=splits,scoring=scoring, refit=score, error_score=0, n_jobs=n_jobs)
我认为你需要像这样预处理你的折叠:
new_splits = []
for i in range(len(splits)):
train = [j for i in splits[:i] + splits[i + 1:] for j in i]
test = splits[i]
new_splits.append([train, test])
不仅要在迭代中获取测试部分,还要训练部分