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/