Я вижу, что в gridsearchcv лучшие параметры определяются на основе cross-validation
, но то, что я действительно хочу сделать, это определить лучшие параметры на основе one held out validation set
вместо cross validation
.протягивал обучение и набор проверки в gridsearchcv sklearn
Не уверен, есть ли способ сделать это. Я нашел несколько подобных сообщений, где настраивается cross-validation folds
. Однако снова мне действительно нужно тренироваться на одном наборе и проверять параметры в наборе валидации.
Дополнительная информация о моем наборе данных - это, в основном, text series type
создатель: panda
.
Вы пробовали глядя в параметр сорта класса gridsearchcv , Это может быть как итерабельное разделение, которое вы хотите. Вы можете добавить свою проверку на набор тренировок и передать итерабельность, которая дает раскол при обучении и валидации? –