我使用GridShearchCV类在具有RBF内核的SVM上进行了网格搜索+交叉验证，以找到参数C和gamma的最佳值。现在，我想以表格格式获取结果，例如
C/gamma 1e-3 1e-2 1e3
0.1 0.2 .. 0.3
1 0.9
10 ..
100 ..
其中单元格包含该对参数值的准确性得分。
或者至少在无法解决第一个问题的情况下，更容易
C gamma accuracy
0.1 1e-4 0.2
...
我对Python不太熟练，所以我不知道从哪里开始。您能给我一些方法做这种表示吗？最好的解决方案是将表格作为图表，但在控制台中以这些格式进行简单打印也可以。预先谢谢你。
您可以利用cv_results_对象的gridsearchCV属性，如下所示：
from sklearn import svm,datasets
from sklearn.model_selection import GridSearchCV
iris = datasets.load_iris()
parameters = {'kernel':('linear','rbf'),'C':[1,10]}
svc = svm.SVC(gamma="scale")
clf = GridSearchCV(svc,parameters,cv=5)
clf.fit(iris.data,iris.target)
现在您使用clf.cv_results_
{'mean_fit_time': array([0.00049248,0.00051575,0.00051174,0.00044131]),'mean_score_time': array([0.0002739,0.00027657,0.00023718,0.00023627]),'mean_test_score': array([0.98,0.96666667,0.97333333,0.98 ]),'param_C': masked_array(data=[1,1,10,10],mask=[False,False,False],fill_value='?',dtype=object),'param_kernel': masked_array(data=['linear','rbf','linear','rbf'],'params': [{'C': 1,'kernel': 'linear'},{'C': 1,'kernel': 'rbf'},{'C': 10,'kernel': 'rbf'}],'rank_test_score': array([1,4,3,1],dtype=int32),'split0_test_score': array([0.96666667,1.,0.96666667]),'split1_test_score': array([1.,1. ]),'split2_test_score': array([0.96666667,0.9,'split3_test_score': array([0.96666667,0.93333333,'split4_test_score': array([1.,1.]),'std_fit_time': array([1.84329827e-04,1.34653950e-05,1.26220210e-04,1.76294378e-05]),'std_score_time': array([6.23956317e-05,1.34498512e-05,3.57596078e-06,4.68175419e-06]),'std_test_score': array([0.01632993,0.02108185,0.03887301,0.01632993])}
您可以使用params和mean_test_score使用以下命令来构造您要查找的数据框：
pd.concat([pd.DataFrame(clf.cv_results_["params"]),pd.DataFrame(clf.cv_results_["mean_test_score"],columns=["Accuracy"])],axis=1)
最终的数据帧看起来像
C kernel Accuracy
0 1 linear 0.980000
1 1 rbf 0.966667
2 10 linear 0.973333
3 10 rbf 0.980000
希望这会有所帮助！
,也许更容易：
pd.DataFrame({'param': clf.cv_results_["params"],'acc': clf.cv_results_["mean_test_score"]})
或：
df = pd.DataFrame(clf.cv_results_)