问下您这个boosting的网格搜索怎么出错了，是哪里写的不对呢

来源：1-1 什么是机器学习

weixin_慕少409219

2021-12-17

param_grid = [{‘base_estimator_alpha’:[0.01,0.1,1,10,100],‘n_estimators’:[200,300,500]}]
from sklearn.linear_model import Ridge
ada_reg = AdaBoostRegression()

grid_search = GridSearchCV(AdaBoostRegression(Ridge(alpha=100),n_estimators=100),param_grid)

grid_search.fit(x_poly,y)
print(grid_search.best_params_)
print(‘grid_search.best_score_:%4f’%grid_search.best_score_)
网格搜索问题

写回答

1回答

weixin_慕少409219

提问者

2021-12-17

知道了已经调好了打扰了学了这个课慢慢练习已经从初级变为中级数据分析师了，感谢老师；目前我遇到一个问题，做银行的数据分析，样本量很大1000W+个样本量，适合做回归、分类吗，我取多少样本量做训练、建模合适呢，老师有什么意见？

liuyubobobo

是适合做分类还是回归，和你的任务有关。你的任务是分类问题或者回归问题，就适合。取多少样本量做训练，也和你的具体数据和使用的方法有关：首先，对于大多数数据来说，基本的底线是：数据量要大于特征值。通常至少是特征值的 x 倍，比如 5-10 倍；其次，看你的算法，算力，和可以忍受的计算时间。算法的复杂度高越高，算力越小，可以忍受的时间越短，你能取的数据量就越少。最后，看取数据量得到的效果，整体肯定是越大的数据量计算出的结果越可靠。所以者之间是一个取舍。一个简单的方式（和调参类似），就是从小数据量取起，比如从 1000 个数据开始，逐步增加数据量，看不同数据量的计算时间和结果是否在可接受范围。继续加油！：）

2021-12-18

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

网格搜索训练出的拟合优度score，和用网格搜索得到参数训练出的拟合优度不一致？

回答 1

使用网格搜索时jupyter报错

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

网络搜索

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