1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 scikit-learn 的监督学习
Connected

道练习

使用 GridSearchCV 进行超参数调优

现在您已经了解如何通过网格搜索进行超参数调优，接下来将构建一个具有最优超参数的 lasso 回归模型，用 diabetes_df 数据集中的特征来预测血糖水平。

X_train、X_test、y_train 和 y_test 已为您预加载。一个 KFold() 对象已创建并保存为 kf，同时还为您准备了名为 lasso 的 lasso 回归模型。

说明

100 XP
  • 导入 GridSearchCV。
  • 为 "alpha" 设置参数网格，使用 np.linspace() 生成从 0.00001 到 1 的 20 个等距数值。
  • 调用 GridSearchCV()，传入 lasso、参数网格，并将 cv 设为 kf。
  • 将网格搜索对象拟合到训练数据，以执行交叉验证的网格搜索。