我真的建议不要使用OOB评估模型，但是了解如何在外部运行网格搜索
GridSearchCV()（这是非常有用的（我经常这样做，这样我可以保存最佳网格的CV预测值以便于模型堆叠）非常有用）。我认为最简单的方法是通过创建参数网格，
ParameterGrid()然后循环遍历所有参数集。例如，假设您有一个名为“
grid”的网格字典，以及一个名为“ rf”的RF模型对象，则可以执行以下操作：
for g in ParameterGrid(grid): rf.set_params(**g) rf.fit(X,y) # save if best if rf.oob_score_ > best_score: best_score = rf.oob_score_ best_grid = gprint "OOB: %0.5f" % best_score print "Grid:", best_grid
