在执行网格搜索 CV 后,我想挑选出最好的模型以供将来使用。当我做类似的事情
grid_search = GridSearchCV(SVC_clf, parameters, n_jobs=-1, verbose=1, cv = 3)
gs = grid_search.fit(X, Y)
with open('../MLA (pickled)/SVC.txt','w') as f:
s = pickle.dumps(gs)
f.write(s)
然后
with open('../MLA (pickled)/SVC.txt','r') as f:
clf = pickle.loads( f.read() )
clf.fit(X_new,Y_new)
网格搜索再次开始。这将是非常痛苦的,特别是如果参数网格非常大。
如何从网格搜索中挑选“最佳”模型?
最佳答案
哦,我明白了。看起来gs
是一个best_estimator_
。所以我应该pickle gs.best_estimator_
。
关于scikit-learn - 如何从网格搜索中挑选出最佳模型?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37452141/