sklearn.model_selection.ParameterSampler?

class sklearn.model_selection.ParameterSampler(param_distributions, n_iter, *, random_state=None)

[源碼]

根據給定分布采樣的參數生成器。

用于超參數搜索的隨機候選組合的不確定性迭代。如果所有參數均以列表形式顯示，則執行采樣而無需替換。如果給定至少一個參數作為分布，則使用替換抽樣。強烈建議對連續參數使用連續分布。

在用戶指南中閱讀更多內容。

參數	說明
param_distributions	dict 以參數名稱（`str`）作為鍵和要嘗試的分布或參數列表的字典。分布必須提供一種`rvs` 抽樣方法（例如scipy.stats.distributions中的抽樣方法）。如果給出列表，則對其進行統一采樣。如果給出了字典列表，則首先對一個字典進行統一采樣，然后如上所述使用該字典對參數進行采樣。
n_iter	integer 產生的參數設置的數量。
random_state	int or RandomState instance, default=None 偽隨機數生成器狀態，用于從可能值列表而不是scipy.stats分布進行隨機統一采樣。為多個函數調用傳遞可重復輸出的int值。請參閱詞匯表。

返回值	說明
params	dict of str to any 輸出字典，將每個估計器參數映射為樣本值。

示例

>>> from sklearn.model_selection import ParameterSampler
>>> from scipy.stats.distributions import expon
>>> import numpy as np
>>> rng = np.random.RandomState(0)
>>> param_grid = {'a':[1, 2], 'b': expon()}
>>> param_list = list(ParameterSampler(param_grid, n_iter=4,
...                                    random_state=rng))
>>> rounded_list = [dict((k, round(v, 6)) for (k, v) in d.items())
...                 for d in param_list]
>>> rounded_list == [{'b': 0.89856, 'a': 1},
...                  {'b': 0.923223, 'a': 1},
...                  {'b': 1.878964, 'a': 2},
...                  {'b': 1.038159, 'a': 2}]
True

__init__（self，param_distributions，n_iter，*，random_state = None ）

[源碼]

初始化self。詳情可參閱 type（self）的幫助。