【问题标题】：Does the GridSearchCV always improves model accuracy for classification or regression model?GridSearchCV 是否总能提高分类或回归模型的模型准确性？
【发布时间】：2022-03-16 02:47:34
【问题描述】：
我使用 GridSearchCV 为 MLPClassifier 获取优化的超参数（例如学习率、隐藏层大小、激活）。但是对于某些数据集，虽然我将该参数应用于模型，但分类精度并没有提高。例如，学习率=a，隐藏层大小=b的数据集1的准确率低于学习率=c，隐藏层大小=d，从GridSearchCV获得的优化超参数。
所以，我很困惑为什么会发生这种现象。
【问题讨论】：
标签：
python
optimization
classification
gridsearchcv
【解决方案1】：
不，gridsearchcv 没有必要总是提高模型性能。这取决于您为模型和基础数据选择的超参数范围。
在某些情况下，默认参数本身是最好的，因此进一步调整的最佳方法是将超参数置于该默认范围内。如果其中任何一个都不起作用，则必须查看数据和预处理步骤才能找出问题所在。