这次我们依旧使用digits数据集
准备数据

%%time
import sklearn.datasets
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split

digits = sklearn.datasets.load_digits()

X = digits.data
y = digits.target

X_train,X_test,y_train,y_test = train_test_split(X,y)

---

引入GridSearchCV，准备params参数集合进行测试

from sklearn.model_selection import GridSearchCV

params = [
    {
        'weights':['distance'],
        'n_neighbors':[i for i in range(1,11)],
        'p':[i for i in range(1,6)]    
    },
    {
        'weights':['uniform'],
        'n_neighbors':[i for i in range(1,11)]
    }
]

knn_clf = KNeighborsClassifier()

grid_search = GridSearchCV(knn_clf,params)//传入knn算法对象和参数集合
/** grid_search对象 **/

grid_search.fit(X_train,y_train)  //传入数据集，这行代码我感觉运行了一年
grid_search.best_estimator_   //显示最佳参数模型
grid_search.best_params_  //显示最佳的超参数
grid_search.best_score_  //显示最佳的正确率

评价模型好坏的标准在grid_search中更为复杂，CV交叉验证。并不仅仅根据正确率的大小评价好坏。

---

创建GridSearchCV（）对象时的部分参数

• estimator 该参数是你要使用的模型算法
• param_grid 要实验的超参数集合,如上文中的params
• n_jobs 该值根据你的CPU核心数而定，传入-1自动适配当前CPU核心数
• verbose 每次循环执行时输出当前循环的信息，常用2

验证数据集与交叉验证

验证数据集

---

将数据分为3份，其中一份作为验证数据集调整超参数，这样可以避免拟合数据的随机性导致的模型误差。

交叉验证

---

将训练数据分为m份，每次选一份做验证数据集，其余训练模型，最大限度保证模型的准确性

使用scikitlearn中的交叉验证

from sklearn.model_selection import cross_val_score

knn_clf = KNeighborsClassifier()
cross_val_score(knn_clf,X_train,y_train)

使用交叉验证获得最佳超参数

best_k = -1
best_score = -1
best_p=-1
for p in range(1,6):
    for k in range(1,11):
        knn_clf = KNeighborsClassifier(n_neighbors=k,weights="distance",p=p)
        scores = cross_val_score(knn_clf, X_train,y_train)
        score = np.mean(scores)
        if(score>best_score):
            best_k = k
            best_score = score
            best_p = p
            
print("best_k = ",best_k)
print("best_score = ",best_score)
print("best_p = ",best_p)