python - 拟合 sklearn GridSearchCV 模型

Question

我正在尝试解决 Boston Dataset 上的回归问题在random forest regressor的帮助下.我用的是GridSearchCV用于选择最佳超参数。

问题一

我是否应该将 GridSearchCV 拟合到一些 X_train, y_train 上，然后获得最佳参数。

或

我是否应该将它放在 X, y 上以获得最佳参数。(X, y = 整个数据集)

问题2

假设我将它拟合到 X, y 上并获得最佳参数，然后在这些最佳参数上构建一个新模型。 现在我应该如何训练这个新模型？

我应该在 X_train, y_train 还是 X, y. 上训练新模型

问题3

如果我在 X,y 上训练新模型，那么我将如何验证结果？

到目前为止我的代码

   #Dataframes
    feature_cols = ['CRIM','ZN','INDUS','NOX','RM','AGE','DIS','TAX','PTRATIO','B','LSTAT']

    X = boston_data[feature_cols]
    y = boston_data['PRICE']

训练数据的测试拆分

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 1)

网格搜索以获得最佳超参数

from sklearn.grid_search import GridSearchCV
param_grid = { 
    'n_estimators': [100, 500, 1000, 1500],
    'max_depth' : [4,5,6,7,8,9,10]
}

CV_rfc = GridSearchCV(estimator=RFReg, param_grid=param_grid, cv= 10)
CV_rfc.fit(X_train, y_train)

CV_rfc.best_params_ 
#{'max_depth': 10, 'n_estimators': 100}

在 max_depth:10，n_estimators:100 上训练模型

RFReg = RandomForestRegressor(max_depth = 10, n_estimators = 100, random_state = 1)
RFReg.fit(X_train, y_train)
y_pred = RFReg.predict(X_test)
y_pred_train = RFReg.predict(X_train)

RMSE:2.8139766730629394

我只是想要一些关于正确步骤的指导

Answer 1

一般来说，要调整超参数，您应该始终在 X_train 上训练您的模型，并使用 X_test 来检查结果。您必须根据 X_test 获得的结果调整参数。

您永远不应该调整整个数据集的超参数，因为这会破坏测试/训练拆分的目的(正如您在问题 3 中正确提出的那样)。