GridSearchCV 不显示详细级别
GridSearchCV Not Showing Verbose Levels
Verbose 参数在 GridSearchCV 函数中显示了每次执行的处理步骤。上次我用的时候,效果很好。但是当我今天 运行 模型时,没有显示冗长的步骤。我根本没有更改我的代码。就是一样。
model_gbm_sk = GradientBoostingClassifier(random_state = 0)
params_gbm = {'learning_rate':[0.05,0.1,0.2,0.3], 'n_estimators':[50,100], 'max_depth':[3,6,9,None]}
grid_gbm_sk = GridSearchCV(model_gbm_sk, params_gbm, scoring = 'accuracy', cv = 5, verbose = 5, n_jobs = -1, return_train_score = True)
grid_gbm_sk.fit(X_train, y_train)
显示的输出是 Fitting 5 folds for each of 32 candidates, totalling 160 fits
,之后没有其他内容。更糟糕的是,执行时间比以前增加了很多。我只通过 pip 命令更新了 scikit-learn 的版本。是版本更新导致的还是其他原因?
问题出在 Scikit-learn (0.24.1) 的新版本上。当我恢复到以前的版本 (0.23.2) 并再次 运行 模型时,它就像以前一样工作得很好。所以我的建议是不要使用最新版本的 sklearn(0.24.0 和 0.24.1),继续使用 0.23.2 版本。这样,我们的模型很快就会 运行。
pip install scikit-learn==0.23.2
Verbose 参数在 GridSearchCV 函数中显示了每次执行的处理步骤。上次我用的时候,效果很好。但是当我今天 运行 模型时,没有显示冗长的步骤。我根本没有更改我的代码。就是一样。
model_gbm_sk = GradientBoostingClassifier(random_state = 0)
params_gbm = {'learning_rate':[0.05,0.1,0.2,0.3], 'n_estimators':[50,100], 'max_depth':[3,6,9,None]}
grid_gbm_sk = GridSearchCV(model_gbm_sk, params_gbm, scoring = 'accuracy', cv = 5, verbose = 5, n_jobs = -1, return_train_score = True)
grid_gbm_sk.fit(X_train, y_train)
显示的输出是 Fitting 5 folds for each of 32 candidates, totalling 160 fits
,之后没有其他内容。更糟糕的是,执行时间比以前增加了很多。我只通过 pip 命令更新了 scikit-learn 的版本。是版本更新导致的还是其他原因?
问题出在 Scikit-learn (0.24.1) 的新版本上。当我恢复到以前的版本 (0.23.2) 并再次 运行 模型时,它就像以前一样工作得很好。所以我的建议是不要使用最新版本的 sklearn(0.24.0 和 0.24.1),继续使用 0.23.2 版本。这样,我们的模型很快就会 运行。
pip install scikit-learn==0.23.2