目前我正在运行一个相当激进的网格搜索。我有n=135个样本，并且使用自定义的交叉验证训练/测试列表运行23个折叠。我的verbose=2。
以下是我运行的代码：
param_test = {"loss":["deviance"], 'learning_rate':[0.01, 0.025, 0.05, 0.075, 0.1, 0.15, 0.2], "min_samples_split": np.linspace(0.1, 0.5, 12), "min_samples_leaf": np.linspace(0.1, 0.5, 12), "max_depth":[3,5,8], "max_features":["log2","sqrt"], "min_impurity_split":[5e-6, 1e-7, 5e-7], "criterion": ["friedman_mse", "mae"], "subsample":[0.5, 0.618, 0.8, 0.85, 0.9, 0.95, 1.0], "n_estimators":[10]}Mod_gsearch = GridSearchCV(estimator = GradientBoostingClassifier(), param_grid = param_test, scoring="accuracy",n_jobs=32, iid=False, cv=cv_indices, verbose=2)我查看了stdout中的详细输出：
$head gridsearch.o8475533Fitting 23 folds for each of 254016 candidates, totalling 5842368 fits根据这个输出，看起来使用我的网格参数有5842368种交叉验证组合。
$ grep -c "[CV]" gridsearch.o84755337047332 看起来到目前为止已经完成了大约700万次交叉验证，但这超过了5842368次总拟合…
7047332/5842368 = 1.2062458236然后当我查看stderr文件时：
$ cat ./gridsearch.e8475533[Parallel(n_jobs=32)]: Done 132 tasks | elapsed: 1.2s[Parallel(n_jobs=32)]: Done 538 tasks | elapsed: 2.8s[Parallel(n_jobs=32)]: Done 1104 tasks | elapsed: 4.8s[Parallel(n_jobs=32)]: Done 1834 tasks | elapsed: 7.9s[Parallel(n_jobs=32)]: Done 2724 tasks | elapsed: 11.6s...[Parallel(n_jobs=32)]: Done 3396203 tasks | elapsed: 250.2min[Parallel(n_jobs=32)]: Done 3420769 tasks | elapsed: 276.5min[Parallel(n_jobs=32)]: Done 3447309 tasks | elapsed: 279.3min[Parallel(n_jobs=32)]: Done 3484240 tasks | elapsed: 282.3min[Parallel(n_jobs=32)]: Done 3523550 tasks | elapsed: 285.3min我的目标：
如何知道我的网格搜索相对于总时间的进度？
我感到困惑的地方：
stdout中的[CV]行、stdout中的总拟合次数和stderr中的任务之间有什么关系？
回答：
数学很简单，但乍一看有点误导：
-
当每个任务开始时，日志机制会在
stdout中生成一行'[CV] …’，指出执行的开始，任务结束后，另一行会加上该任务所花费的时间（在行的末尾）。 -
此外，日志机制会在一定时间间隔内向
stderr（或者如果你将verbose设置为>50，则向stdout）写入进度条，指示已完成的任务数量与总任务（拟合）数量以及当前总共花费的时间，例如：[Parallel(n_jobs=32)]: Done 2724 tasks | elapsed: 11.6s
在你的情况下，总共有5842368次拟合，即任务。
你统计了7047332个'[CV] …’，这大约是7047332/2 = 3523666个已完成的任务，而进度条显示确切完成了多少任务 – 3523550（大约 – 因为有些任务可能已经开始，但尚未结束在统计时）。
