每个基本估计器
我正在处理一个多类问题，其中有六个不同的类别，并且正在使用OneVsrestClassifier。 然后，我使用GridSearchCV进行了超参数调整，并使用clf.best_estimator _获得了优化的分类器。
据我了解，这返回了汇总模型/每个基本估计器的一组超参数。 是否可以为每个基本估计器分别执行分别进行高参数调整？
I am working on a multiclass problem with six different classes and I am using OneVsRestClassifier.
I have then performed hyperparameter tuning with GridSearchCV and obtained the optimized classifier with clf.best_estimator_.
As far as I understand, this returns one set of the hyperparameters for the aggregated model/every base estimator.
Is there a way to perform hyperparameter tuning separately for each base estimator?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
当然，只需扭转搜索顺序和多类包装器的顺序：
拟合
clf就会生成一vs-rest问题，对于每个这些问题都适合网格搜索的base_classifierbase_classifier < /代码>。Sure, just reverse the order of the search and the multiclass wrapper:
Fitting
clfgenerates the one-vs-rest problems, and for each of those fits a copy of the grid-searchedbase_classifier.