我想使用scikit-learn中的RandomizedSearchCV。在构造函数中,我可以传递param_distributions
,即要优化的不同参数的分布。但是,还有fit_params
属性。从文档中我看不出它的含义。在哪些情况下应该使用fit_params
代替param_distributions
?
最佳答案
一种用于初始化参数,另一种用于调用实际fit
方法时添加的参数。
您想更改的大多数内容都将通过param_distributions
进行设置。正则化,超参数,损失函数等都特定于模型实例化。
另一方面,有些传递给fit
调用的片段有时可能是必需的。例如,LogisticRegression
支持sample_weights
(docs)。如果这对您很重要,则可以在其中添加这些内容,但是CV通常通常是锁定超参数,因此我敢打赌param_distributions
是您大多数时候想要的内容。
关于python - fit_params对RandomizedSearchCV的含义,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/41924885/