Régler le modèle avec GridSearchCV
Rechercher les hyperparamètres en toute sécurité
Régler le modèle avec GridSearchCV est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Settings You Choose
Some model settings are not learned from data; you pick them before training. These are hyperparameters, and good choices matter a lot.
Guessing Is Slow
Tweaking one value, re-running, and eyeballing the score by hand wastes time and misses better combos. Let a search do it. 🔍
Enter GridSearchCV
GridSearchCV tries every combination in a grid you define and uses cross-validation to score each one fairly.
from sklearn.model_selection import GridSearchCVDefine the Grid
You list each hyperparameter and the values to try in a dictionary. Every value pairing becomes one candidate to test.
param_grid = {'C': [0.1, 1, 10]}Tune Inside a Pipeline
To target a pipeline step, prefix the name with the step plus a double underscore. This naming points the search at the right knob.
param_grid = {'model__C': [0.1, 1, 10]}Run the Search
Wrap your estimator and grid, then call fit. It trains and scores every combination across the folds for you.
search = GridSearchCV(pipe, param_grid, cv=5)
search.fit(X_train, y_train)Read the Winner
After fitting, best_params_ tells you which combination won, and best_score_ shows its average cross-validated score.
print(search.best_params_, search.best_score_)Predict With the Best
The search refits the top combo on all training data. Just call predict on the search object to use that best_estimator.
preds = search.predict(X_test)Pick the Right Scorer
By default it optimizes accuracy. Set scoring to f1 or roc_auc so the search chases the metric your problem cares about.
GridSearchCV(pipe, param_grid, scoring='f1', cv=5)Mind the Cost
The grid grows fast: combinations times folds equals fits. When it explodes, try RandomizedSearchCV to sample instead.
Leak-Free by Design
Because the whole pipeline is searched, prep refits inside each fold. Tuning stays honest with zero leakage sneaking in.
Quick Check
To tune a pipeline step named model, how do you key the parameter?
Recap
You can now let GridSearchCV test parameter combos with cross-validation and hand you the best one. Next, saving your trained pipeline. 💾
Questions Fréquemment Posées
La leçon « Régler le modèle avec GridSearchCV » est-elle gratuite ?
Oui — le texte complet de « Régler le modèle avec GridSearchCV » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Régler le modèle avec GridSearchCV » ?
Rechercher les hyperparamètres en toute sécurité Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Régler le modèle avec GridSearchCV » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Pourquoi les pipelines surpassent les étapes manuelles
- ColumnTransformer pour les types mixtes
- Régler le modèle avec GridSearchCV
- Enregistrer et recharger un pipeline entraîné