Gridsearchサンプルコード

引用
https://watlab-blog.com/2020/02/20/grid-search-decisiontree/#GridSearchCV-2

from sklearn import datasets
from sklearn.model_selection import GridSearchCV
from sklearn import tree
from sklearn.ensemble import RandomForestRegressor
import pandas as pd

# データを用意する
X = df['GDP'].values.reshape(148,1)
y = df['乳児死亡率']

test = pd.read_csv("./data/infant_mortality_test.csv")
testX = test[["GDP"]]
testy = test['乳児死亡率']

# グリッドサーチ用のパラメータを辞書型で設定
param = {
    'n_estimators':[1,10,100],
    'max_leaf_nodes':[20,25,30],
    'max_depth':[1, 2, 3, 4, 5],
    'min_samples_leaf':[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'min_samples_split':[2, 3, 4, 5]}

# GridSearchCV
'''学習器、パラメータリスト,cv'''
RFR = GridSearchCV(RandomForestRegressor(),   # グリッドサーチで決定木を定義
                   param, cv=5)
RFR.fit(X, y)                           # フィッティング

best_rfr.fit(X,y)
best_rfr.score(testX, testy)

# スコアとパラメータの組み合わせ
scores = RFR.cv_results_['mean_test_score']
params = RFR.cv_results_['params']

# 結果の確認
best_rfr = RFR.best_estimator_
print('最良条件:\n', best_rfr)
print('訓練スコア:\n', best_rfr.score(X, y))
print('テストスコア:\n', best_rfr.score(testX, testy))
for i in range(len(scores)):
    print(scores[i], params[i])

# データフレームに変換してサマリをcsvに保存
df_summary = pd.DataFrame(params)                       # 辞書型のパラメータをデータフレームに変換
df_summary['Score'] = pd.Series(scores)                 # スコアをデータフレームに追加
print(df_summary)
df_summary.to_csv('summary.csv', encoding='shift_jis')  # csvファイルに結果一覧を保存