scikit-learn 0.20中获取GridSearchCV最佳得分标准差的最优方法

嘿，这个问题我太熟悉了！从scikit-learn 0.20版本开始，官方正式移除了旧的grid_scores_属性，转而使用结构更清晰、信息更全面的cv_results_来存储所有交叉验证的结果数据。

要获取最佳得分的标准差，你可以按照以下步骤操作：

• 首先，你依然可以通过result.best_index_获取最佳参数组合对应的索引值，这个属性的用法和之前完全一致。
• 然后，cv_results_是一个字典类型的属性，其中std_test_score键对应的是一个数组，数组里的每个元素对应一组参数在交叉验证中的得分标准差。
• 所以，只需要通过索引定位，就能拿到最佳得分的标准差：

  best_std = result.cv_results_['std_test_score'][result.best_index_]
  

如果你想同时获取和旧版本grid_scores_类似的完整信息（均值、标准差、参数），可以这样写：

best_mean = result.cv_results_['mean_test_score'][result.best_index_]
best_std = result.cv_results_['std_test_score'][result.best_index_]
best_params = result.cv_results_['params'][result.best_index_]

print(f"mean: {best_mean:.5f}, std: {best_std:.5f}, params: {best_params}")

这样输出的格式就和你之前用grid_scores_[result.best_index_]得到的结果几乎一致了。

内容的提问来源于stack exchange，提问作者Neabfi