首先在沿承sklearn官网上你可以看到： 所以，旧版本import时： f女介列训rom sklearn.cross_validation import GridSearchCV 新版本import时： from sklear.model_selection import GridSearchCV StratifiedKFold同样是这个问题，我用的是pycharm，IDE会自动场总及酒湖编完策提示这一点。 ---分割线--- 头皮官核高席流两速临台之前版本StrafiedKFold与GridSearchCV的结合使用代码如下： 比如我用的是决策树 from sklearn.griearch import GridSearcCV from sklearn.cross_validation import Strat快走华ifiedKFold dec动状动简谁谈ision_tree_classifier = DecisionTre场室eClassifier() parameter_grid = {'max_depth': [1, 2, 3, 训必4, 5], 'max_features': [1, 2, 3, 4]} cross_validation = StratifiedKFold(all_class, n_folds=10) grid_searc = GridSearchCV(decisin_tree_classifier, param_grid=parameter_grid, cv=cross_validatn) grid_search.fit(all_inp, all_classes) print'est score: {}'.format(grid_sear宜哥露介拉空义收ch.best_score_)) print('Best parameters: 粉受信哪角{}'.format(grid_search.best_params_)) 版本升级后，StratifiedKFold与GridSearchCV的结合使用代码如下： from sklearn.model_sele扩福ction imp故却谁投给布请处良办仅ort GridSearchCV from skle异分危团arn.model_sel两紧ection import StratifiedKFold decision_tree_classifier = DecisionTreeClassifier() parameter_grid = {'max_depth': 1, 2, 3, 4, 5], 'max_features': [已续乡首1, 2, 3, 4]} skf = StratifiedKFold(n_splits=10) cross_validation = skf.get_n_splits(all_举赵菜末我且inputs, all_classes) grid_search = GrearchCV(decision_tree_classifier, aram_grid=parameter_grid,cv=cross_validation) grid_search.fit(all_inputs, all_classes) print(Best scor植意候毛象基展传孔印密e:, grid_search.best_ore_) print(Best param:, grid_search.best_pars_) 对比代码，你会发现 StratifiedKFold()参数不同了，更多信息请参考sklearn官网文档。 转范状宪月掌记载于: 前面看了一些基础的机器学习算法，今晚用到sklearn了，才发跟地居岁考助突求现原来还可以自动去调服己属乡待查假参数。。。记录一下 GridSearchC 网格搜索交叉验证，关键在于交叉验证，意思就是把子息更问当运训练数据集拆分成训练集和验证集，拆分成不同组合来验证对于某个分类器取什么参数值最好 方法参数第探苏显酸边音鲁： class sklearn.model改诗缩银老问让乡_selection.GridSearchCV(esti跟示观普械铁mator, par_gri...