使用sklearn嵌套交叉验证获得最佳参数

Question

我的理解是正确的：在下面的代码中，“greed_search.fit（X，Y）”与嵌套的CV没有任何关系？这意味着无法在sklearn中使用嵌套CV获取最佳参数。

# inner cross_validation 
    greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for) 
    greed_search.fit(X, optimization_label) 
    # Nested CV with parameter optimization 
    nested_score = cross_val_score(greed_search, X=X, y=Y, cv=outer_cv) 

Answer 1

你是对的：在代码中greed_search.fit(X, optimization_label)的是不被嵌套到下一个交叉验证执行。

要回答你的第二个问题，我问你另一个问题：什么应该是嵌套到交叉验证的网格搜索的最佳参数？第一批的？最常见的？

内部网格搜索，在外部交叉验证的每一步，根据当前步骤的训练数据选择最佳参数。因此参数可以在折叠之间改变。自己做外部交叉验证可以计算每个步骤的最佳参数，但我不认为你真的需要它。