访问GridSearch的中间（和最终）模型转换

Question

假设我有一个学习管道：

A(X) -> B(A(X)) -> C(B(A(X)))

grid_search = GridSearchCV(pipeline, param_grid)

我在超参数上运行gridsearch以找到最佳模型。是否有内置的功能来输出模型的中间和最终步骤？我想我可以在相同的数据和每个步骤的结果上使用发现的最佳参数重新运行管道，但这可能已经存在，例如：

grid_search.best_params.X_output_()

或者

grid_search.step_A.output_()

我的最终目标是可视化在每个转换步骤中发现的最佳参数如何影响输入数据。你知道吗

Answer 1

可能您需要cv_results_：

---

玩具示例：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV

iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svc = svm.SVC()
clf = GridSearchCV(svc, parameters)
clf.fit(iris.data, iris.target)


clf.cv_results_

您可以访问以下信息：

sorted(clf.cv_results_.keys())

['mean_fit_time', 'mean_score_time', 'mean_test_score', 'mean_train_score', 'param_C', 'param_kernel', 'params', 'rank_test_score', 'split0_test_score', 'split0_train_score', 'split1_test_score', 'split1_train_score', 'split2_test_score', 'split2_train_score', 'std_fit_time', 'std_score_time', 'std_test_score', 'std_train_score']