使用 RidgeClassifierCV 和訓練后調整模型有什么區別
classifier = RidgeClassifierCV(alphas=np.logspace(-3, 3, 10), normalize=True)
classifier.fit(X_train, y_train)
和
param_grid = {'alphas': np.logspace(-3, 3, 10)}
grid = GridSearchCV(RidgeClassifier(),param_grid, refit = True)
uj5u.com熱心網友回復：
RidgeClassifierCV允許您執行交叉驗證并找到alpha關于您的資料集的最佳值。
GridSearchCV不僅可以微調估計器，還可以微調 a 的預處理步驟Pipeline。
從檔案來看，EstimatorCV諸如此類的優點RidgeClassifierCV是他們可以通過在交叉驗證程序的先前步驟中重用預先計算的結果來利用熱啟動。這通常會導致速度提高。
作為結論，如果您只是想微調嶺分類器，它RidgeClassifierCV應該是最好的選擇，因為它可能更快。但是，如果您有額外的預處理步驟，最好使用GridSearchCV.
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/362032.html
標籤：Python 表现 验证 机器学习 scikit-学习
上一篇：為什么這更有效？
下一篇：我在python中回圈很慢