19 网格搜索

在机器学习模型的训练过程中，选择合适的超参数往往会显著影响模型的性能。如何有效地寻找超参数的最佳组合是每个数据科学家都需要面对的重要问题。上篇文章我们讨论了模型的评估与比较，今天我们将深入探讨一种高效的超参数调优方法——网格搜索（Grid Search）。

什么是网格搜索？

网格搜索是一种穷举式的超参数搜索方法。通过定义一个超参数值的集合（网格），网格搜索会对每一种可能的组合进行训练和评估，从而找到能够使模型性能最优的超参数配置。

网格搜索的基本思想

假设一个机器学习模型有两个超参数：

• $C$：正则化强度
• $gamma$：核函数的参数

我们可以定义如下的超参数值网格：

$$
C \in {0.1, 1, 10}
$$

$$
gamma \in {0.01, 0.1, 1}
$$

对于每一种组合，我们都会训练模型并通过交叉验证来评估模型的性能。最终，我们选择在验证集中表现最好的超参数组合。

实际案例

让我们看一个具体的例子，假设我们使用Scikit-Learn中的支持向量机（SVM）进行分类任务，接下来我们将使用网格搜索对模型的C和gamma超参数进行调优。

1. 导入必要的库

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.svm import SVC
from sklearn.metrics import classification_report

2. 准备数据

我们使用Iris数据集进行模型训练和评估。

# 加载数据
data = load_iris()
X = data.data
y = data.target

# 划分训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

3. 定义超参数网格

接下来，我们定义我们想要搜索的超参数网格。

param_grid = {
    'C': [0.1, 1, 10],
    'gamma': [0.01, 0.1, 1]
}

4. 进行网格搜索

使用GridSearchCV来寻找最佳超参数组合。这里，我们会使用5折交叉验证来评估模型。

# 创建SVM模型
model = SVC()

# 创建网格搜索对象
grid_search = GridSearchCV(estimator=model, param_grid=param_grid, cv=5)

# 执行网格搜索
grid_search.fit(X_train, y_train)

5. 查看最佳参数和模型性能

完成网格搜索后，我们可以查看最佳参数和最佳模型的性能。

# 输出最佳超参数
print("最佳超参数:", grid_search.best_params_)

# 使用最佳超参数训练模型并测试性能
best_model = grid_search.best_estimator_

# 预测
y_pred = best_model.predict(X_test)

# 打印分类报告
print(classification_report(y_test, y_pred))

在上述代码片段中，我们首先定义了一个SVC模型，然后通过GridSearchCV对超参数进行网格搜索。最终选取了最佳的超参数，并在测试集上进行了预测，得到了分类报告的结果。

总结

网格搜索是一种简单却强大的超参数调优方法，通过遍历所有可能的参数组合，确保我们可以找到最佳的超参数配置。尽管这种方法在计算上可能比较昂贵，但它为我们提供了准确的模型性能和超参数选取的依据。

在下一篇文章中，我们将讨论随机搜索（Random Search），它是一种效率更高的超参数调优方法，特别适用于大规模的超参数空间。敬请期待！