使用管道和GridSearchCV完成的培訓次數

Question

我在閱讀this tutorial，它將管道中的PCA與邏輯迴歸相結合，然後對PCA和Logistic迴歸定義的一組參數進行交叉驗證。以下是我從示例中瞭解的內容，然後我會問我的問題。

我理解：

當GridSearchCV首先執行它具有3倍的缺省值。因此，它首先計算20個組件的PCA，然後轉換數據並讓它進入Logistic迴歸進行訓練。現在，對於Logistic迴歸C參數的每個值，它將應用3倍交叉驗證，並且看到哪些值，因此最終將進行3×3 = 9次邏輯迴歸訓練，因爲我們有3個C參數值和3倍交叉驗證每個參數值。

之後，它將執行與第二個PCA參數40是一樣的，所以其他9個培訓。然後還有9次針對PCA 64的最後一個參數的訓練。因此總共我們將有9 * 3 = 27次邏輯迴歸訓練。

我的問題：我的理解是否正確的程序？

Answer 1

是的，這是完全正確的。您可以輕鬆地通過設置詳細模式網格搜索程序檢查：

>>> estimator = GridSearchCV(pipe, dict(pca__n_components=n_components, 
...          logistic__C=Cs), 
...       verbose=1) 
>>> estimator.fit(X_digits, y_digits) 
Fitting 3 folds for each of 9 candidates, totalling 27 fits 
[...snip...] 

更一般的fit調用的次數是每個參數值數的乘積，次ķ，+1如果你重新設置完整訓練集中的最佳參數（默認情況下發生）。