python - 使用 Scikit-Learn 的 RandomizedSearchCV 模块，你如何保证某组超参数设置都会被测试？

Question

使用 Scikit-Learn 的 RandomizedSearchCV 模块，你如何保证某组超参数设置都会被测试？

我的目标是保证，使用随机搜索最优估计器超参数，所有可用的 sklearn 激活函数MLPClassifier都经过测试。不过，我还想要一个适用于 Python 机器学习模型/估计器的答案。我相信我可以通过运行RandomizedSearchCV或GridSearchCV使用 3 个不同的MLPClassifier. 问题是，如果我想测试所有可用的激活函数和所有权重“求解器”以及其他参数（例如神经元和层数），该怎么办？有没有办法使用 Python 库来做到这一点？

标签： pythonscikit-learnhyperparameters

Answer 1

我只发布这个答案，因为问题下方的评论对我来说是最好的答案。

Desertnaut 于 2020 年 8 月 8 日发表的评论：

你不能; RandomizedSearchCV 绝对不提供这样的保证。如果您想确保测试某些组合，您应该恢复到 GridSearchCV。

目前最好的解决方案是结合使用RandomizedSearchCV和GridSearchCV。