A simple approach could be to train

A simple approach could be to train a classifier for all those reasonable exploration
values while keeping the other parameters constant and checking the classifier's
results. As we do not know whether those parameters affect each other, doing it
right would require that we train a classifier for every possible combination of all
parameter values. Obviously, this is too tedious for us to do.
Because this kind of parameter exploration occurs frequently in machine learning
tasks, scikit-learn has a dedicated class for it called GridSearchCV. It takes an
estimator (an instance with a classifier-like interface), which would be the pipeline
instance in our case, and a dictionary of parameters with their potential values.
GridSearchCV expects the dictionary's keys to obey a certain format so that it is
able to set the parameters of the correct estimator. The format is as follows:

Kết quả (Việt) 1:

Một cách tiếp cận đơn giản có thể là để đào tạo một loại tất cả thăm dò hợp lýCác giá trị trong khi vẫn giữ các thông số khác liên tục và kiểm tra loạikết quả. Như chúng ta không biết liệu những tham số ảnh hưởng lẫn nhau, làm việc đóquyền sẽ yêu cầu chúng tôi đào tạo một loại cho mỗi sự kết hợp tốt của tất cảgiá trị tham số. Rõ ràng, đây là quá tẻ nhạt với chúng tôi để làm.Bởi vì loại của tham số thăm dò xảy ra thường xuyên trong máy họcnhiệm vụ, scikit-tìm hiểu có một lớp dành riêng cho nó gọi là GridSearchCV. Phải mất mộtước tính (một thể hiện với một loại giống như giao diện), sẽ là các đường ốngtrường hợp trong trường hợp của chúng tôi, và một từ điển của các tham số với giá trị tiềm năng của họ.GridSearchCV hy vọng của từ điển phím để tuân theo một định dạng nhất định để cho nó làcó thể thiết lập các thông số của công cụ ước tính chính xác. Các định dạng là như sau:

Kết quả (Việt) 2:

Một phương pháp đơn giản có thể được đào tạo một phân loại cho tất cả những người thăm dò hợp lý
các giá trị trong khi vẫn giữ các thông số khác không đổi và kiểm tra của phân loại
kết quả. Vì chúng ta không biết liệu những thông số ảnh hưởng lẫn nhau, làm nó
đúng sẽ yêu cầu chúng tôi đào tạo một phân loại cho mọi sự kết hợp có thể có của tất cả các
giá trị tham số. Rõ ràng, điều này là quá tẻ nhạt cho chúng ta làm.
Bởi vì thể loại này thăm dò thông số thường xảy ra ở máy học
nhiệm vụ, scikit-học có một lớp học dành riêng cho nó gọi là GridSearchCV. Phải mất một
ước lượng (một ví dụ với một giao diện phân loại giống), đó sẽ là các đường ống dẫn
dụ trong trường hợp của chúng tôi, và một từ điển các thông số với các giá trị tiềm năng của họ.
GridSearchCV mong phím của từ điển để tuân theo một định dạng nhất định để nó có
thể để thiết lập các thông số của các ước lượng chính xác. Các định dạng như sau: