GridSearchCV를 사용하여 각 매개 변수 세트에 대한 예측을 얻는 방법은 무엇입니까?

Question

나는 다음과 같은 코드로 GridSearchCV를 사용하여 NN 회귀 모델에 가장 적합한 매개 변수를 찾으려고 노력 해요 :

내가 알고있는 것처럼

param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=init 
grid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='neg_mean_squared_error') 
grid_result = grid.fit(input_train, target_train) 

pred = grid.predict(input_test) 

, grid.predict(input_test) 설정 지정된 입력을 예측하는 가장 좋은 매개 변수를 사용합니다. 테스트 세트를 사용하여 각 매개 변수 집합에 대해 GridSearchCV를 평가할 수있는 방법이 있습니까?

실제로 테스트 세트에는 몇 가지 특수 레코드가 포함되어 있으며 정확성과 함께 모델의 일반성을 테스트하고 싶습니다. 고맙습니다.

Answer 1

GridSearchCV의 표준 3 중 cv 매개 변수를 연결된 반복 열 및 테스트 데이터 프레임의 열차 및 테스트 색인을 생성하는 사용자 지정 반복기로 바꿀 수 있습니다. 1 배 교차 검증 you'l이 input_train 개체에 대한 모델을 훈련하고 input_test 객체에 장착 모델을 테스트하면서 결과에서 : grid_result.cv_results_ 사전에 액세스하여

def modified_cv(input_train_len, input_test_len): 
    yield (np.array(range(input_train_len)), 
      np.array(range(input_train_len, input_train_len + input_test_len))) 

input_train_len = len(input_train) 
input_test_len = len(input_test) 
data = np.concatenate((input_train, input_test), axis=0) 
target = np.concatenate((target_train, target_test), axis=0) 
grid = GridSearchCV(estimator=model, 
        param_grid=param_grid, 
        cv=modified_cv(input_train_len, input_test_len), 
        scoring='neg_mean_squared_error') 
grid_result = grid.fit(data, target) 

, you'l는 테스트 세트에 당신의 측정 값에 대한 참조 지정된 모델 매개 변수의 모든 그리드