我真的建议不要使用OOB评估模型,但是了解如何在外部运行网格搜索
GridSearchCV()(这是非常有用的(我经常这样做,这样我可以保存最佳网格的CV预测值以便于模型堆叠)非常有用)。我认为最简单的方法是通过创建参数网格,
ParameterGrid()然后循环遍历所有参数集。例如,假设您有一个名为“
grid”的网格字典,以及一个名为“ rf”的RF模型对象,则可以执行以下 *** 作:
for g in ParameterGrid(grid): rf.set_params(**g) rf.fit(X,y) # save if best if rf.oob_score_ > best_score: best_score = rf.oob_score_ best_grid = gprint "OOB: %0.5f" % best_score print "Grid:", best_grid
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)