如何使用 GridSearchCV 输出进行 scikit 预测？

Question

在以下代码中：

# Load dataset
iris = datasets.load_iris()
X, y = iris.data, iris.target

rf_feature_imp = RandomForestClassifier(100)
feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5)

clf = RandomForestClassifier(5000)

model = Pipeline([
          ('fs', feat_selection), 
          ('clf', clf), 
        ])

 params = {
    'fs__threshold': [0.5, 0.3, 0.7],
    'fs__estimator__max_features': ['auto', 'sqrt', 'log2'],
    'clf__max_features': ['auto', 'sqrt', 'log2'],
 }

 gs = GridSearchCV(model, params, ...)
 gs.fit(X,y)

预测应该使用什么？

• gs?
• gs.best_estimator_? 或
• gs.best_estimator_.named_steps['clf']?

这三个有什么区别？

Answer 1

gs.predict(X_test) 等价于gs.best_estimator_.predict(X_test)。使用其中任何一个，X_test 将通过您的整个管道并返回预测。

gs.best_estimator_.named_steps['clf'].predict()，然而只是流水线的最后一个阶段。要使用它，必须已经执行了特征选择步骤。这只有在您之前通过 gs.best_estimator_.named_steps['fs'].transform() 运行数据时才有效

生成预测的三种等效方法如下所示：

直接使用gs。

pred = gs.predict(X_test)

使用best_estimator_。

pred = gs.best_estimator_.predict(X_test)

单独调用管道中的每个步骤。

X_test_fs = gs.best_estimator_.named_steps['fs'].transform(X_test)
pred = gs.best_estimator_.named_steps['clf'].predict(X_test_fs)