econml.sklearn_extensions.model_selection.GridSearchCVList

class econml.sklearn_extensions.model_selection.GridSearchCVList(estimator_list, param_grid_list, scoring=None, n_jobs=None, refit=True, cv=None, verbose=0, pre_dispatch='2*n_jobs', error_score=nan, return_train_score=False)[source]

基类: sklearn.base.BaseEstimator

GridSearchCV 的一个扩展，允许传入一个估计器列表，每个估计器都有自己的参数网格，并返回列表中所有估计器及其相应网格中超参数的最佳组合。我们只将 estimator 参数更改为 estimator_list，将 param_grid 参数更改为参数网格列表。其余参数与 GridSearchCV() 相同。有关其余参数的解释，请参阅该类的文档。

参数

estimator_list (估计器对象列表.) – 列表中每个估计器都应实现 scikit-learn 估计器接口。每个估计器需要提供一个 score 函数，或者必须传入 scoring 参数。
param_grid (dict 列表或 dict 列表的列表) – 对于每个估计器，该字典以参数名称 (str) 为键，以要尝试的参数设置列表为值；或者是一个此类字典的列表，在这种情况下将探索列表中每个字典所跨越的网格。这使得可以搜索任意参数设置序列。

__init__(estimator_list, param_grid_list, scoring=None, n_jobs=None, refit=True, cv=None, verbose=0, pre_dispatch='2*n_jobs', error_score=nan, return_train_score=False)[source]

方法

`__init__`(estimator_list, param_grid_list[, ...])
`fit`(X[, y])
`get_params`([deep])	获取此估计器的参数。
`predict`(X)
`predict_proba`(X)
`set_params`(**params)	设置此估计器的参数。

get_params(deep=True)

获取此估计器的参数。

参数: deep (bool, 默认=True) – 如果为 True，将返回此估计器及其包含的子对象的参数，这些子对象也是估计器。
返回: params – 参数名称及其对应的值。
返回类型: dict

set_params(**params)

设置此估计器的参数。

此方法适用于简单估计器以及嵌套对象（例如 Pipeline）。后者具有 <组件>__<参数> 形式的参数，以便更新嵌套对象的每个组件。

参数: **params (dict) – 估计器参数。
返回: self – 估计器实例。
返回类型: 估计器实例