大佬教程收集整理的这篇文章主要介绍了使用`GridSearchCV`来测试从管道中完全删除一个步骤的效果吗？，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
假设我正在使用 gridsearchcv 来搜索超参数，并且我也在使用 Pipeline，因为我（认为我）想要预处理我的数据：
param_grID = {
'svc__gAMMa': np.linspace(0.2,1,5)
}
pipeline = Pipeline(steps=[('scaler',StandardScaler()),('svc',SVC())])
search = gridsearchcv(pipeline,param_grID,cv=10)
search.fit(Train_x,Train_y)
有没有办法测试我的假设，即包含 scaler 步骤实际上是有帮助的（不仅仅是删除它并重新运行它）？
即，有没有办法写：
param_grID = {
'svc__gAMMa': np.linspace(0.2,5),'scaler': [On,Off]
}
或者我应该有什么不同的方法来解决这个问题？
您可以像这样将 passthrough 传递给您的 param_grid 来实现：
param_grid = {
'svc__gAMMa': np.linspace(0.2,1,5),'scaler': ['passthrough',StandardScaler()]
}
如sklearn pipelines docs
个别步骤也可以作为参数替换，非最终步骤可以通过将它们设置为“passthrough”来忽略：
>>> from sklearn.pipeline import Pipeline
>>> from sklearn.svm import SVC
>>> from sklearn.decomposition import PCA
>>> from sklearn.linear_model import LogisticRegression
>>> estimators = [('reduce_dim',PCA()),('clf',SVC())]
>>> pipe = Pipeline(estimators)
>>> param_grid = Dict(reduce_dim=['passthrough',PCA(5),PCA(10)],... clf=[SVC(),LogisticRegression()],... clf__C=[0.1,10,100])
>>> grid_search = GridSearchCV(pipe,param_grid=param_grid)
以上是大佬教程为你收集整理的使用`GridSearchCV`来测试从管道中完全删除一个步骤的效果吗？全部内容，希望文章能够帮你解决使用`GridSearchCV`来测试从管道中完全删除一个步骤的效果吗？所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。