sklearnネストされたクロスバリデーションを使用した最適なパラメータの取得

Question

「greed_search.fit（X、Y）」はネストされたCVには何も含まれていません。 SklearnでネストされたCVを使って最良のパラメータを得る方法がないことを意味します。

# inner cross_validation 
    greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for) 
    greed_search.fit(X, optimization_label) 
    # Nested CV with parameter optimization 
    nested_score = cross_val_score(greed_search, X=X, y=Y, cv=outer_cv) 

Answer 1

あなたが正しいです：次のクロスバリデーションに入れ子にされずにそのままあなたのコード内greed_search.fit(X, optimization_label)が行われます。

2番目の質問に答えるために、別の質問をします。交差検定にネストされたグリッド検索の最適なパラメータは何か。最初の折り目のものは？最も多くのコモンズ？

アウタークロスバリデーションの各ステップで、内側グリッド検索は、現在のステップのトレーニングデータに従って最良のパラメータを選択します。したがって、パラメータは折畳みの間で変更することができる。自分自身で外側のクロス検証を行うと、各ステップの最良のパラメータを計算できますが、本当に必要とは思わないのです。