我正在尝试使用以下代码通过GridSearchCV寻找神经网络回归模型的最佳参数:

param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=initgrid = GridSearchCV(estimator=model, param_grid=param_grid, scoring='neg_mean_squared_error')grid_result = grid.fit(input_train, target_train)pred = grid.predict(input_test)

据我所知，grid.predict(input_test)使用最佳参数来预测给定的输入集。是否有办法使用测试集来评估GridSearchCV的每组参数？

实际上，我的测试集中包含一些特殊记录，我希望测试模型的通用性以及准确性。谢谢你。

回答：

你可以用自定义迭代器替换GridSearchCV的标准3折交叉验证参数，该迭代器生成连接后的训练和测试数据框的训练和测试索引。结果，在进行1折交叉验证时，你将在input_train对象上训练模型，并在input_test对象上测试拟合后的模型:

def modified_cv(input_train_len, input_test_len):    yield (np.array(range(input_train_len)),            np.array(range(input_train_len, input_train_len + input_test_len)))input_train_len = len(input_train)input_test_len = len(input_test)data = np.concatenate((input_train, input_test), axis=0)target = np.concatenate((target_train, target_test), axis=0)grid = GridSearchCV(estimator=model,                     param_grid=param_grid,                    cv=modified_cv(input_train_len, input_test_len),                     scoring='neg_mean_squared_error')grid_result = grid.fit(data, target)

通过访问grid_result.cv_results_字典，你将看到测试集上所有指定模型参数网格的度量值。