我是机器学习领域的新手。我的问题如下：我已经建立了一个模型，并且我正在尝试优化这样的模型。通过做一些研究，我发现交叉验证可以用来帮助我避免过度拟合的模型。此外，Gridsearchcv 可用于帮助我优化此类模型的参数并最终确定可能的最佳参数。
现在我的问题是我应该先进行交叉验证，然后使用网格搜索来识别最佳参数，还是使用 GridsearchCV 就足够了，因为它本身执行交叉验证？
【问题讨论】：
标签： machine-learning scikit-learn cross-validation grid-search
正如@Noki 所建议的，您可以在 Grid Search CV 中使用 cv 参数。
GridSearchCV(estimator, param_grid, scoring=None, n_jobs=None, iid='deprecated',
refit=True, cv=None, verbose=0,
pre_dispatch='2*n_jobs',error_score=nan,return_train_score=False)
文档还明确指出，如果是分类问题，它将自动确保它是分层的。
对于整数/无输入，如果估计器是分类器并且 y 是二进制或 多类，使用 StratifiedKFold。在所有其他情况下，使用 KFold。
但是，我想补充一点： 您可以根据您的 Y_target 变量的值计数使您的 K-folds 动态化。 您不能将 K-fold 中频率的最低计数设为 1，它会在训练时引发错误。我碰巧遇到了这种情况。使用下面的代码 sn-p 来帮助你。
例如
import pandas as pd
Y_target=pd.Series([0,1,1,1,1,0,0,0,6,6,6,6,6,6,6,6,6])
if Y_target.value_counts().iloc[-1]<2:
raise Exception ("No value can have frequency count as 1 in Y-target")
else:
Kfold=Y_target.value_counts().iloc[-1]
然后您可以在网格搜索中将 Kfold 分配给您的 cv 参数
【讨论】：
见Cross validation with test data set。
我的建议，如果你的数据集足够大：
【讨论】：
现在我的问题是我应该先进行交叉验证，然后使用网格搜索来识别最佳参数，还是使用 GridsearchCV 就足够了，因为它本身执行交叉验证？
第二个。 GridSearchCV 使用交叉验证拆分策略来选择最佳参数。如果您阅读scikit-learn documentation，有一个名为“cv”的参数，它默认定义了 5 折交叉验证。如果你需要使用其他的交叉验证策略，你可以给它一个int，交叉验证生成器或者一个iterable
【讨论】：