我是否需要同时执行网格搜索（使用交叉验证）和交叉验证方法？

【问题标题】：Do I need to perform both gridsearch (with cross validation) and then a cross validation method?我是否需要同时执行网格搜索（使用交叉验证）和交叉验证方法？
【发布时间】：2019-09-29 03:24:33
【问题描述】：

我将我的数据集拆分为训练、验证和测试数据，然后对训练数据执行网格搜索交叉验证。这足以作为交叉验证方法，还是我需要在我的 GridSearchCV 之后实现 k 折交叉验证？我有点困惑，因为我认为网格搜索只能帮助我找到最佳超参数。

【问题讨论】：

好吧，如果您要将数据拆分为训练、开发和测试，为什么要使用 CV？我认为你应该使用你的开发集来适应你的估计器的超参数。 CV 的想法是当您没有足够的数据来拆分为训练和测试或训练、开发和测试时。

标签： machine-learning cross-validation grid-search

【解决方案1】：

网格搜索是对模型超参数的详尽搜索，但如果您想使用它，还包括交叉验证。使用 CV 运行网格搜索需要更多时间，因为它是一种详尽的方法。 sklearn 中的网格搜索有一个交叉验证选项cv。关于这个https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html的更多信息请参考官方文档

您也可以像这样为您的网格搜索提供一个 KFold 类

validation = KFold(n_splits=10, shuffle=True)
clf = GridSearchCV(..., cv=validation)
clf.fit(X,y)

您还可以在每次交叉验证迭代中运行 CV 和 gridsearch 的组合，即 gridsearch，尽管这将是非常计算密集型的。

【讨论】：