Dans le code suivant:Comment utiliser la sortie GridSearchCV pour une prédiction scikit?
# Load dataset
iris = datasets.load_iris()
X, y = iris.data, iris.target
rf_feature_imp = RandomForestClassifier(100)
feat_selection = SelectFromModel(rf_feature_imp, threshold=0.5)
clf = RandomForestClassifier(5000)
model = Pipeline([
('fs', feat_selection),
('clf', clf),
])
params = {
'fs__threshold': [0.5, 0.3, 0.7],
'fs__estimator__max_features': ['auto', 'sqrt', 'log2'],
'clf__max_features': ['auto', 'sqrt', 'log2'],
}
gs = GridSearchCV(model, params, ...)
gs.fit(X,y)
Ce qui devrait être utilisé pour une prédiction?
gs
?gs.best_estimator_
? ougs.best_estimator_.named_steps['clf']
?
Quelle est la différence entre ces 3?
merci encore @David Maust, c'est super utile – user308827