目前还不清楚函数“GridSearchCV”是如何分解训练集和测试集的

Question

尚不清楚“GridSearchCV”函数如何分解训练集和测试集。
共有67959条带标志的线路。 默认情况下，“train\u test\u split”功能分为75%的训练和25%的测试。
在培训50969和测试16990行标志。 我在函数“T\u scorer”中打印数组y\u pred的长度，它变为5662。 一路上，我打印出混乱的矩阵。 如果把矩阵中的所有元素加起来，得到16990个。 原来测试集又分为训练集和测试集。
我做错什么了？ 我要测试的设定是16990，训练是50969。你知道吗

[[ 763  891]
 [1216 2792]]
5662
[[2785  525]
 [1578 6440]]
11328

混淆矩阵的值

_scorer = make_scorer(T_scorer)

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
clf = RandomForestClassifier()
grid_searcher = GridSearchCV(clf, parameter_grid, verbose=20, scoring=_scorer)
grid_searcher.fit(X_test, y_test)
clf_best = grid_searcher.best_estimator_
print('Best params = ', clf_best.get_params())

Answer 1

默认情况下，GridSearchCV执行3倍验证，这意味着它将数据分成3等份（1、2、3），并按以下顺序运行：

• 在1,2上训练>；测试en 3
• 在2,3上训练>；在1上测试
• 在1,3上训练>；在2上测试

您不必在这里使用train test split：只需将X\u train、y\u train提供给gridsearchCV并让它工作

您还可以查看doc的“cv”部分：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

编辑：以下是评论中的最终代码：

grid_searcher = GridSearchCV(clf, param_grid=parameter_grid, cv=StratifiedKFold(shuffle =True, random_state = 42))