GEE：使用网格搜索法（Grid Search）求机器学习算法的最优参数或者参数组合

作者：CSDN @ _养乐多_

本文记录了在 Google Earth Engine（GEE）平台中，计算机器学习分类算法最优参数的代码，其中包括最优单一参数和最优参数组合。使用的最优参数计算方法是网格搜索法（Grid Search），GEE 平台上并没有现成的网格搜索法 API，因此，本文在 GEE 上手动实现了网格搜索法以求最优参数。该方法可以用到 GEE 平台上所有机器学习方法的参数优化中，比如随机森林、支持矢量机等。

本文以 kNN 最近邻分类方法为例，分别计算了在不同最近邻数量、搜索方法、距离度量方法和不同参数组合下的分类精度。最后将精度绘制成了一个散点图，散点图如下所示，其中横轴代表不同参数的组合，纵轴代表分类精度，精度最高的点的横坐标代表最优参数组合。下图中，可以看到最优的参数组合是（最近邻数量15、搜索方法COVER_TREE、距离度量方法MANHATTAN），当参数组合是这种方式的时候，kNN分类的精度最高。

一、网格搜索（Grid Search）方法

在本文的代码中，虽然并没有直接使用网格搜索（Grid Search）方法，但通过嵌套的循环结构，遍历了不同的参数组合。这个过程可以看作是一种手动实现的网格搜索。