sklearn中的最大似然估計

Question

在我的項目中，我使用GridSearchCV的sklearn對模型的指定參數值進行了徹底搜索，以找到最佳可能參數值。我只是在RandomForestClassifier中測試它，並幫助我找到最好的max_depth和n_estimators。基於此，我有兩個問題：

1. GridSearchCV是否使用最大似然估計（MLE）的概念？
2. 而不是每個模型使用GridSearchCV，有沒有一種技術，我可以用它來選擇我的數據集的最佳模型？我認爲這是根據模型選擇的概念，但我不知道如何通過sklearn使用它。

謝謝

Answer 1

不GridSearchCV使用最大似然估計（MLE）的概念引擎蓋下？

MLE是概率推理，從而它可以僅應用於概率模型。 GridSearchCV不是基於MLE的，根據對測試誤差的直接估計進行模型選擇是一個簡單的技巧。因此給定一個特定的模型，它可以指定一個代表它有多好的數字 - 在許多模型中，您可以簡單地選擇數量最多（估計推廣力度最高）。

不是每個模型都使用GridSearchCV，有沒有一種技術可以用來爲我的數據集選擇最佳模型？我認爲這是根據模型選擇的概念，但我不知道如何通過sklearn使用它。

有很多，但sklearn相當多實現只有各種列車測試分離器（簡歷，隨機等）;相反，你可能要考慮支持其他庫：

• 貝葉斯優化
• 的Parzen樹估計技術

哪些是找好hyperparamters（而非只是檢查已有的更先進的方法那些）。