机器学习模型训练超参数优化使用sklearn库里网格搜索（Grid Search）方法所有参数含义解释

在之前有文章说明过网格搜索（Grid Search）算法，参考之前文章链接
机器学习做模型预测时超参数优化提升性能（降低评价指标）五种种方法：网格搜索、随机搜索、贝叶斯优化、遗传算法、基于梯度的优化

一、RandomizedSearchCV 的主要参数及其含义

  RandomizedSearchCV 是 sklearn.model_selection 模块中的一个类，用于在给定的参数空间中随机搜索最佳的超参数组合。相比于 GridSearchCV，RandomizedSearchCV 不会遍历所有可能的参数组合，而是随机选择一部分组合进行评估，因此在参数空间较大时效率更高。这里给出12个相关参数。

1. estimator

类型: 估计器对象 (estimator object)
中文含义: 使用的机器学习模型或管道（Pipeline）。
取值: 任何实现了 fit 和 predict 方法的模型对象，如 sklearn 中的 SVC, RandomForestClassifier 等。

2. param_distributions

类型: 字典或字典列表 (dict or list of dicts)
中文含义: 参数分布。指定需要搜索的参数及其可能的取值。
取值: 字典的键是参数名称（字符串），值是一个分布或列表。例如：{‘C’: [1, 10, 100], ‘kernel’: [‘linear’, ‘rbf’]}。如果传入的是字典列表，则会依次对每个字典进行搜索。

3. n_iter

类型: 整数 (int)
中文含义: 随机搜索的迭代次数，即从参数分布中随机抽取的参数组合数量。
取值: 正整数，默认值为 10。

4. scoring

类型: 字符串、可调用对象、列表、字典或 None (str, callable, list, dict, or None)
中文含义: 评估模型性能的指标。
**取值:**字符串：如 ‘accuracy’, ‘f1’, ‘roc_auc’ 等。可调用对象：自定义的评分函数。列表或字典：多个评分指标。默认值为 None，使用估计器的默认评分方法。

5. n_jobs

类型: 整数或 None (int or None)
中文含义: 并行运行的作业数。
取值: None：使用单核。-1：使用所有可用的核心。正整数：指定使用的核心数。

6. refit

类型: 布尔值、字符串或可调用对象 (bool, str, or callable)
中文含义: 是否在找到最佳参数后重新拟合模型。
取值: True：使用最佳参数重新拟合模型。False：不重新拟合。字符串或可调用对象：指定使用哪个评分指标来选择最佳模型。

7. cv

类型: 整数、交叉验证生成器或可迭代对象 (int, cross-validation generator or an iterable)
中文含义: 交叉验证策略。
取值: 整数：指定交叉验证的折数（如 5 表示 5 折交叉验证）。交叉验证生成器：如 KFold, StratifiedKFold 等。可迭代对象：生成训练/测试集的迭代器。

8. verbose

类型: 整数 (int)
中文含义: 控制输出的详细程度。
取值: 0：不输出任何信息。1：输出部分信息。>1：输出更详细的信息。

9. pre_dispatch

类型: 整数、字符串或 None (int, str, or None)
中文含义: 控制并行执行时任务的分配。
取值: 整数：指定预分配的任务数。字符串：如 ‘2*n_jobs’。None：不进行预分配。

10. random_state

类型: 整数、随机状态实例或 None (int, RandomState instance, or None)
中文含义: 随机种子，用于控制随机数生成器的状态。
取值: 整数：固定随机种子，确保结果可重复。None：使用默认的随机状态。

11. error_score

类型: ‘raise’ 或数值 (‘raise’ or numeric)
中文含义: 当模型拟合过程中出现错误时的处理方式。
取值:‘raise’：抛出错误。数值：指定一个默认值（如 np.nan），在出现错误时返回该值。

12. return_train_score

类型: 布尔值 (bool)
中文含义: 是否返回训练集的评分。
取值: True：返回训练集的评分。False：不返回训练集的评分（默认）。

二、例如

# 打印所有参数
pprint(rf.get_params())
{'bootstrap': True,
 'ccp_alpha': 0.0,
 'criterion': 'squared_error',
 'max_depth': None,
 'max_features': 1.0,
 'max_leaf_nodes': None,
 'max_samples': None,
 'min_impurity_decrease': 0.0,
 'min_samples_leaf': 1,
 'min_samples_split': 2,
 'min_weight_fraction_leaf': 0.0,
 'n_estimators': 100,
 'n_jobs': None,
 'oob_score': False,
 'random_state': 42,
 'verbose': 0,
 'warm_start': False}