KNN算法加入verbose和n_jobs参数后，为什么网格搜索的结果会有不同？

Question

bobo老师您好，请问在网格搜索章节中，KNN算法加入verbose及n_jobs的参数后，超参数的最优结果为何不同？

Answer 1

提问者 道尔顿的奶茶 2019-11-16 19:37:40

第一个的参数如下图

Answer 2

liuyubobobo 2019-11-15 17:25:13

根据你的截图，两次 GridSearchCV 的 weight 参数是不同的？一个是 distance，一个是 uniform？

这个参数会影响最终的搜索结果的：）

继续加油！：）

• 提问者 道尔顿的奶茶 #1

  可是为啥同样的参数，仅仅加上verbose和n_jobs后，就会改变最优化的结果呢？

• liuyubobobo 回复 提问者 道尔顿的奶茶 #2

  哦。我了解了。因为这个数据集太简单，样本数量相对比较小，存在多组参数，可以获得同样的”最高准确率“。你可以测试一下，在这两组参数下，他们在 train_set 上的准确率是相同的。加入 n_jobs 以后，并行搜索的顺序会和原先不一样，最终取得是第一个搜索到的最优解。

• 提问者 道尔顿的奶茶 回复 liuyubobobo #3

  谢谢bobo老师