我有一个包含TfidVectorizer和OneVsRestClassifier(SGDClassifier)的Pipeline。这是我想执行的gridSearch的参数设置：

parameters = {'tfidf-vect__ngram_range': ((1, 1), (1, 3)),              'tfidf-vect__stop_words': (None,'english'),              'tfidf-vect__min_df': (1e-3,1e-6),              'tfidf-vect__max_features': (1e7,1e4),              'tfidf-vect__norm': ('l1','l2',None),              'tfidf-vect__use_idf': (True, False),              'tfidf-vect__sublinear_tf': (True, False),              'clf__estimator__alpha': (1e-5, 1e-7),              'clf__estimator__loss':('hinge', 'log', 'modified_huber'),              'clf__estimator__penalty':(None, 'l2', 'l1','elasticnet'),              'clf__estimator__class_weight':("auto", None),              'clf__estimator__warm_start':(True,False),              'clf__estimator__average':(True,False,4,8,16)}

问题：我想知道最佳的参数组合是什么，但我无法在我的电脑上对10万个样本运行这样的gridSearch。

提问：这种gridSearch的结果（可能使用较小的参数集）在10万个样本的数据集和一个1万到2万个样本的子集上会有多相似？

正如你可能已经知道的，我正在处理文本的多标签分类问题。

谢谢你 🙂

回答：

是的，这是一个不错的策略。虽然不能保证得到最佳结果，但结果应该还是相当不错的。不过，你必须小心，不要在参数搜索中对较小的数据集过拟合。