使用scikit-learn，我使用Grid Search拟合分类器，如下所示：
from sklearn.svm import SVC
param_grid = {
'C': [1e-2, 0.1, 1.0],
'gamma': [1e-4, 1e-3, 1e-2],
'class_weight': ['auto']
}
clf = SVC()
gs = grid_search.GridSearchCV(clf, param_grid, cv=3, n_jobs=12)
gs.fit(x_train, y_train)
我现在想使用找到的最佳参数和多余的参数来重新训练分类器probability=True。如何使用最佳参数加上额外参数来重新拟合分类器probability？
您可以gs.best_params_用来获取参数，然后像这样创建一个新的分类器
clf = SVC(probability=True, **gs.best_params_)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句