对于岭回归如何用网格搜索得到最佳的超参数

来源：8-8 模型泛化与岭回归

慕粉4186965

2019-07-14

岭回归用了Pipeline

def RidgeRegression(degree, alpha):
    return Pipeline([
        ('poly', PolynomialFeatures(degree=degree)),
        ('std_scaler', StandardScaler()),
        ('ridge_reg', Ridge(alpha=alpha)),
    ])

然后我用网格搜索时得到如下错误
图片描述

写回答

1回答

liuyubobobo

2019-07-15

这是一个工程问题，本质是，如何对sklearn中的一个Pipeline做网格搜索？

可以参考这里：http://coding.imooc.com/learn/questiondetail/61679.html

继续加油！：）

慕粉4186965

非常感谢。。。我发现一个问题：如果下面这个函数定义时不给默认值，初始化 GridSearchCv(ridge_reg, param_grid) 则会报错 def RidgeRegression(degree=1, alpha=0.0001): return Pipeline([ ('poly', PolynomialFeatures(degree=degree)), ('std_scaler', StandardScaler()), ('ridge_reg', Ridge(alpha=alpha)), ])

2019-07-16

共1条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5839 学习 · 2437 问题

查看课程

相似问题

为什么除了knn之后，就没有用网格搜索去确定最佳的超参数了？

回答 1

使用逻辑回归时怎么利用网格搜索来查找degree,c等超参数

回答 1

这里通过交叉验证得到了最佳参数之后为啥还要在对整体的X_train,y_train 做一次fit呢?

回答 1

小练习-还想请教下网格搜索超参数设置的问题

回答 1

如何实现svr中的几个参数优化，网格或者遗传算法有案例代码吗

回答 2

打开慕课网App查看更多内容