如何优雅地将Sklearn的GridsearchCV最佳参数传递给另一个模型？

Question

我用网格搜索CV为KNN估计器找到了一组最佳超参数：

>>> knn_gridsearch_model.best_params_
{'algorithm': 'auto', 'metric': 'manhattan', 'n_neighbors': 3}

到目前为止，还不错。我想用这些新发现的参数训练我的最终估计器。有没有办法把上面的超参数dict直接输入它？我试过这个：

>>> new_knn_model = KNeighborsClassifier(knn_gridsearch_model.best_params_)

但是，希望的结果new_knn_model只是将整个dict作为模型的第一个参数，而将其余的作为默认值：

>>> knn_model
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=1,
           n_neighbors={'n_neighbors': 3, 'metric': 'manhattan', 'algorithm': 'auto'},
           p=2, weights='uniform')

确实令人失望。

Answer 1

我只想指出，使用grid.best_parameters并通过unpacking将它们传递到一个新模型，比如：

my_model = KNeighborsClassifier(**grid.best_params_)

很好，而且我个人经常使用它。
但是，正如您在文档here中所看到的，如果您的目标是使用这些最佳参数来预测某个东西，则可以直接使用grid.predict方法，该方法将在默认情况下为您使用这些最佳参数。

示例：

y_pred = grid.predict(X_test)

希望这有帮助。

Answer 2

你可以这样做：

new_knn_model = KNeighborsClassifier()
new_knn_model.set_params(**knn_gridsearch_model.best_params_)

或者直接按照@taras的建议打开包装：

new_knn_model = KNeighborsClassifier(**knn_gridsearch_model.best_params_)

顺便说一下，在运行完网格搜索之后，网格搜索对象实际上保留了（默认情况下）最好的参数，因此您可以使用对象本身。或者，您也可以通过

gs.best_estimator_