超参数搜索结果Python怎么提取分析_cv_results字典转DataFrame对比

夜萱姑娘_2202

夜萱姑娘_2202

2026-04-25

800人浏览

原创

直接用 pd.DataFrame(grid_search.cv_results_) 可转为 DataFrame,但需过滤关键列、处理 None 值并排序;参数列为 None 多因 param_grid 键名不匹配 estimator 实际参数名,Pipeline 中须用 stepname__param 形式;split*_test_score 需动态提取以计算稳定性;跨搜索器对比应统一列名并用原始得分而非 rank。

超参数搜索结果python怎么提取分析_cv_results字典转dataframe对比

怎么把 cv_results_ 转成可分析的 DataFrame

直接用 pd.DataFrame(grid_search.cv_results_) 就行,但要注意:这个字典里很多值是 NumPy 数组(比如 param_max_depth、mean_test_score),pandas 能自动展开;但像 split0_test_score 这类数组字段会变成 object 类型列,后续做数值计算或排序容易出错。

实操建议:

  • 先检查键名:list(grid_search.cv_results_.keys()),重点关注以 param_、mean_test_、std_test_ 开头的项
  • 过滤掉冗余字段,只保留关键列:['param_max_depth', 'param_min_samples_split', 'mean_test_score', 'std_test_score', 'rank_test_score']
  • 对 param_* 列调用 .apply(lambda x: x if x is not None else np.nan),避免 None 导致类型混乱
  • 用 df.sort_values('rank_test_score') 排序后看前几行,比原始字典直观得多

为什么 cv_results_ 里参数列全是 None 或 np.nan

常见于手动传入 param_grid 时用了字典嵌套结构(比如 {'clf__max_depth': [3, 5]}),但 GridSearchCV 没匹配到对应 estimator 的参数前缀,就会填 None。也可能是用 Pipeline 但没在参数名里加双下划线(__)分隔步骤名。

实操建议:

  • 确认 param_grid 键名和模型实际可设参数一致,比如 RandomForestClassifier().get_params().keys()
  • 如果是 Pipeline,必须写成 {'rf__max_depth': [3, 5]},其中 rf 是你在 Pipeline 中定义的 step name
  • 用 grid_search.estimator.get_params().keys() 查最终生效的 estimator 参数名,比文档更可靠

提取各折分数做稳定性分析(不只是平均值)

cv_results_ 里 split0_test_score 到 splitN_test_score 是每折的原始结果,但数量取决于你设的 cv= 值,不能硬编码列名去取。

Biopython
Biopython

全面的分子生物学工具集。适用于序列操作、文件解析(FASTA/GenBank/PDB)、系统发育分析,以及通过 Bio.Entrez 以编程方式访问 NCBI/

下载

实操建议:

  • 用列表推导式动态提取:[k for k in grid_search.cv_results_.keys() if k.startswith('split') and k.endswith('_test_score')]
  • 转成 DataFrame 后,用 df[['split0_test_score', 'split1_test_score', ...]].agg(['min', 'max', 'std'], axis=1) 算每组超参的波动性
  • 别只看 mean_test_score 最高那组——有时它方差大,泛化不稳定;反而次高但标准差小的组合更值得选

对比多个搜索结果(比如 GridSearch vs RandomizedSearch)

不同搜索器的 cv_results_ 结构一致,但字段数可能不同(比如 RandomizedSearch 可能少几个 param_* 列),直接 concat 容易报错。

实操建议:

  • 统一用 pd.json_normalize(grid_search.cv_results_),它比直接 DataFrame 构造更容错
  • 提前对齐列名:df1 = df1.reindex(columns=all_cols, fill_value=np.nan),其中 all_cols 是所有搜索结果的列并集
  • 加一列标识来源:df['search_type'] = 'grid',方便后续 groupby 对比
  • 注意 rank_test_score 是各自内部排名,跨搜索器不可比,得用原始 mean_test_score 对齐比较

最常被忽略的是:不同 CV 折数下 mean_test_score 不可直接比大小——比如 cv=3 和 cv=5 的均值方差不同,要重算置信区间或用配对 t 检验。另外,cv_results_ 不包含训练集分数,想看是否过拟合得自己补跑。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33737

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程