网格搜索中的参数CV

Question

谁能告诉我A和B之间的区别？

A =kfold = KFold(n_splits=5)
grid = GridSearchCV(SVC(), parameters, cv=kfold, scoring='accuracy')

B= GridSearchCV(svc, parameters, cv=cv, scoring='accuracy', n_jobs=cpu_num)

Answer 1

我假设在情况B中cv的值为5。

如您在sklearn文档中所述：

  

确定交叉验证拆分策略。简历的可能输入是：

     

  
• 没有，要使用默认的三折交叉验证，
  
• 整数，用于指定（分层）KFold中的折叠次数，
  
• CV分离器
  
• 可迭代的屈服（训练，测试）分解为索引数组。
  

     

对于整数/无输入，如果估计量是分类器，而y是二进制或多类，则使用StratifiedKFold。在所有其他情况下，都使用KFold。

因此，在您的情况下，问题应该是StratifiedKFold和KFold之间的区别是什么。 here可以找到很好的解释，但是要总结一下，使用StratifiedKFold时，每个折叠包含与目标集合大致相同百分比的每个目标类别的样本。当您的数据集具有高度不平衡的类时，这特别有用。

如果您的问题是关于n_jobs参数的，那么它仅指“并行运行的作业数”-它可以减少您需要查找最佳参数的时间，因为它可以使分类器在不同的折叠位置进行匹配。 / p>