xgboost调参函数（GridSearchCV的使⽤）
xgboost调参函数(GridSearchCV的使⽤)
1.简介
调参⽤的是sklearn的GridSearchCV，其中，x_train和y_train分别指的训练集的特征和标签。
在调参之前，有⼀个点需要注意。如果直接导⼊x_train和y_train，会报错，报too many indices in the array，所以需要：# 链接：/questions/42928855/gridarchcv-error-too-many-indices-in-the-array
#
炎的组词c, r = y_train_array.shape
y_train_ = y_shape(c,)# 只能识别（shape,）⽽不能（shape,1）
之后可运⾏函数，进⾏调参了。⾸先呈现函数，详细代码如下：
del_lection import GridSearchCV
def Tuning(cv_params, other_params):新生儿脸上有小红点
model2 = XGBClassifier(**other_params)
夏季快速减肥方法
美修optimized_GBM = GridSearchCV(estimator=model2,
param_grid=cv_params,
cv=5,
n_jobs=4)
optimized_GBM.fit(x_train_array, y_train_)
evalute_result = id_scores_
print('每轮迭代运⾏结果:{0}'.format(evalute_result))
print('参数的最佳取值：{0}'.format(optimized_GBM.best_params_))
print('最佳模型得分:{0}'.format(optimized_GBM.best_score_))
2.调参
此后，只需要往Tuning中输⼊两个参数，cv_params，和other_params，前⾯指的你要调优的参数，后⾯指的其他的参数。xgboost参数简介见假发怎么洗
如对n_estimators进⾏调节，则：
cv_params ={'n_estimators':[700,800,900,1000,1100,1200,1300,1400]}
咏物言志诗other_params ={
'scale_pos_weight':scale_pos_weight,
'eta':0.3,
'learning_rate':0.07,
贴窗花'n_estimators':700,# 需调参
'max_depth':6,# 需调参
'min_child_weight':1,# 需调参
'gamma':0.2,# 需调参
'subsample':0.639,# 需调参
'colsample_bytree':0.2,# 需调参
'objective':'binary:logistic'
}
Tuning(cv_params, other_params)# ⼀个调节完毕之后，相应改动other_params 中的参数设置即可
辛勤的反义词⼀个参数调节完毕后，相应改变other_params中的最优参数设置即可
代码中打#的都可以做类似过程进⾏调参
3. ⼀个问题
GridSearchCV调参好慢啊好慢，不知道有什么好的⽅法能快⼀点，待补充！
