《表1 每个监督模型的重要参数和最优参数值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于参数优化AdaBoost算法的酸性火山岩岩性分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

不同的分类方法通常涉及多个参数的选择问题，而参数的优化对提高分类结果精度有重要的影响。分类算法参数选择方法有经验方法和自动调参方法。经验法要求操作者具有较丰富的经验。笔者选择自动调参方法。网格搜索为自动化调参的常见技术之一，其基本思想是是将待优化的参数在一定的空间范围中划分成网格，通过遍历网格中所有的交点寻找最优参数。当参数范围选取足够大且网格步距足够小时，可以找到全局最优解。Scikit-learn提供了自动化调参的工具GridSearchCV，根据给定的模型自动交叉验证，利用验证曲线指定搜索范围，从而极大地提高效率，通过调节参数，使用准确率作为评价指标。表1给出了每个模型需要调整的参数和最优参数。