我想使用RandomizedSearchCV来自 scikit-learn。在构造函数中，我可以传递 param_distributions ，即我想要优化的不同参数的分布。但还有 fit_params 属性。从文档中我不明白它的含义是什么。在什么情况下我应该使用 fit_params 而不是 param_distributions？
最佳答案
一个是初始化参数，另一个是实际调用fit方法时添加的参数。
您想要更改的大多数内容都将通过 param_distributions 设置。正则化、超参数、损失函数等……特定于模型实例化。
另一方面，有些片段会被传递到有时可能需要的 fit 调用。例如，LogisticRegression 支持sample_weights ( docs )。如果这对您很重要，那么您可以在其中添加它们，但是 CV 通常是关于锁定您的超参数，所以我敢打赌 param_distributions 是您大多数时候正在寻找的.
关于python - RandomizedSearchCV 中 fit_params 的含义，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41924885/