使用GridSearchCV拟合MLPregressor模型

Question

我正在尝试将 GridSearchCV 与MLPRegressor一起使用，以适应我的输入和输出数据集之间的关系。 GridSearchCV.Predict（）方法是否使用交叉验证期间学到的最佳参数，还是我需要手动创建新的 mlpregessor ？

这个工作吗？

# Fitting a Regression model to the train data
MLP_gridCV = GridSearchCV(
    estimator=MLPRegressor(max_iter=10000, n_iter_no_change=30),
    param_grid=param_list,
    n_jobs=-1,
    cv=5,
    verbose=5,
)
MLP_gridCV.fit(X_train, Y_train)

# Prediction
Y_prediction = MLP_gridCV.predict(X)

还是我需要使用最佳参数手动创建新模型？

best_params = MLP_gridCV.best_params_
best_mlp = MLPRegressor(
    hidden_layer_sizes=best_params["hidden_layer_sizes"],
    activation=best_params["activation"],
    solver=best_params["solver"],
    max_iter=10000,
    n_iter_no_change=30,
)
best_mlp.fit(X_train, Y_train)
best_mlp.predict(X)

Answer 1

预测 GridSearchCV 对象将使用网格搜索过程中找到的最佳参数。因此，您的第一个代码块是正确的。这适用于Scikit-Learn版本1.1.1，至少回到0.16.1（我发现了最古老的版本），

可以通过检查Scikit-Learn网站上的 GridSearchCV 文档来验证这一点。