拟合sklearn GridSearchCV模型

我正在尝试解决回归问题波士顿数据集 https://www.kaggle.com/c/boston-housing在...的帮助下随机森林回归器 https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestRegressor.html.我正在使用网格搜索简历 https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html用于选择最佳超参数。

问题1

我应该适合吗GridSearchCV一些X_train, y_train然后得到最佳参数。

OR

我应该戴上它吗X, y获得最佳参数。（X，y =整个数据集）

问题2

说如果我适合它X, y并获得最佳参数，然后在这些最佳参数上建立新模型。 现在我应该如何训练这个新模型？

我应该训练新模型吗X_train, y_train or X, y.

问题3

如果我训练新模型X,y那么我将如何验证结果？

到目前为止我的代码

   #Dataframes
    feature_cols = ['CRIM','ZN','INDUS','NOX','RM','AGE','DIS','TAX','PTRATIO','B','LSTAT']

    X = boston_data[feature_cols]
    y = boston_data['PRICE']

训练测试数据分割

from sklearn.cross_validation import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 1)

网格搜索以获得最佳超参数

from sklearn.grid_search import GridSearchCV
param_grid = { 
    'n_estimators': [100, 500, 1000, 1500],
    'max_depth' : [4,5,6,7,8,9,10]
}

CV_rfc = GridSearchCV(estimator=RFReg, param_grid=param_grid, cv= 10)
CV_rfc.fit(X_train, y_train)

CV_rfc.best_params_ 
#{'max_depth': 10, 'n_estimators': 100}

在最大深度：10、n_估计器：100 上训练模型

RFReg = RandomForestRegressor(max_depth = 10, n_estimators = 100, random_state = 1)
RFReg.fit(X_train, y_train)
y_pred = RFReg.predict(X_test)
y_pred_train = RFReg.predict(X_train)

RMSE: 2.8139766730629394

我只是想要一些有关正确步骤的指导

一般来说，要调整超参数，您应该始终训练您的模型X_train，并使用X_test检查结果。您必须根据获得的结果调整参数X_test.

您永远不应该在整个数据集上调整超参数，因为这会破坏测试/训练分割的目的（正如您在问题3).