关于准确率
来源：4-6 网格搜索与k近邻算法中更多超参数
ALGO_cui
2017-12-28
grid_search.fit后 grid_search.best_score_ 为0.98538622129436326，
为什么knn_clf = grid_search.best_estimator_ ，且knn_clf.predict(X_test) knn_clf.score(X_test, y_test) 后的准确率却变成0.98333333333333328。二者为什么会不同呢？
谢谢老师！
写回答
1回答
-
我在课程中提到过，因为grid_search使用的那个score和你调用得到best_estimator_，再去预测X_test得到的score，这两个score计算方式不同。仔细想一想，我们都没有将X_test和y_test给grid_search，grid_search得到的这个score是和X_test, y_test没关系的，肯定和预测X_test得到的score不同：）
至于grid_search的这个score是怎么计算出来的？我们在这个课程的第八章，交叉验证中就会讲到。我们使用的这个类GridSearchCV中的CV，就是交叉验证（Cross Validation）的意思，到那时，相信你就能完全理解grid_search这个score是怎么计算的了：）而且，这个score值，比使用一组X_test做预测得到的结果，要更可信：）
在这一小节，主要理解：我们可以使用网格搜索的方式，寻找我们训练模型的最佳超参数，就可以了：）
继续加油！
3122018-02-04
相似问题