无需交叉验证的Scikit Learn GridSearchCV（无监督学习）

Question

是否可以在没有交叉验证的情况下使用GridSearchCV？我正在尝试通过网格搜索优化KMeans聚类中的聚类数量，因此我不需要或想要交叉验证。

该文档也使我感到困惑，因为在fit（）方法下，它有一个用于非监督学习的选项（例如，将None用于非监督学习）。但是，如果您想进行无监督学习，则需要在没有交叉验证的情况下进行学习，而且似乎没有摆脱交叉验证的选择。

Answer 1

经过大量搜索，我能够找到此线程。如果使用以下方法，似乎可以摆脱GridSearchCV中的交叉验证：

cv=[(slice(None), slice(None))]

我已经对我自己的编码版本的网格搜索（没有交叉验证）进行了测试，并且两种方法都得到了相同的结果。我将这个答案发布到我自己的问题上，以防其他人有同样的问题。

编辑：在评论中回答jjrr的问题，这是一个示例用例：

from sklearn.metrics import silhouette_score as sc

def cv_silhouette_scorer(estimator, X):
    estimator.fit(X)
    cluster_labels = estimator.labels_
    num_labels = len(set(cluster_labels))
    num_samples = len(X.index)
    if num_labels == 1 or num_labels == num_samples:
        return -1
    else:
        return sc(X, cluster_labels)

cv = [(slice(None), slice(None))]
gs = GridSearchCV(estimator=sklearn.cluster.MeanShift(), param_grid=param_dict, 
                  scoring=cv_silhouette_scorer, cv=cv, n_jobs=-1)
gs.fit(df[cols_of_interest])