擅长:python、mysql、java
<p><code>GridSearchCV</code>从您的参数值创建网格,它将您的<code>OneVsRestClassifier</code>作为原子分类器进行计算(即<code>GridSearchCV</code>不知道这个元分类器中有什么)</p>
<p><strong>首先</strong>:0.85是参数<code>OneVsRestClassifier</code>的所有可能组合(在您的例子中是16个组合,4*2*4)中的最佳得分,这意味着<code>GridSearchCV</code>对16个可能的<code>OneVsRestClassifier</code>求值,每个可能的<code>OneVsRestClassifier</code>都包含L<code>SVC</code>。一个{<cd2>}内的所有L分类器都是相同的参数的值(但每个参数都在学习如何从L可能中识别自己的类)</p>
<p>即从</p>
<pre><code>{OneVsRestClassifier(SVC(C=1, kernel="poly", degree=1)),
OneVsRestClassifier(SVC(C=1, kernel="poly", degree=2)),
...,
OneVsRestClassifier(SVC(C=8, kernel="rbf", degree=3)),
OneVsRestClassifier(SVC(C=8, kernel="rbf", degree=4))}
</code></pre>
<p>它选择一个得分最高的。在</p>
<p><code>model_tunning.best_params_</code>这里表示OneVsRestClassifier(SVC())的参数,它将使用这些参数来实现<code>model_tunning.best_score_</code>。
您可以从<code>model_tunning.best_estimator_</code>属性得到最好的<code>OneVsRestClassifier</code>。在</p>
<p><strong>第二:</strong>没有现成的代码可以从<code>OneVsRestClassifier</code>获得L分类器的单独分数,但是您可以查看<code>OneVsRestClassifier.fit</code>方法的实现,或者采用以下方法(应该可以:):</p>
^{pr2}$