最佳估计器拟合如何在随机搜索中起作用？

Question

我将随机搜索（RSCV）与带有评估集的LGBMClassifier的默认5倍CV一起使用。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
model_LGBM=LGBMClassifier(objective='binary',metric='auc',random_state=0,early_stopping_round=100)

distributions = dict(max_depth=range(1,10),
                     num_leaves=[50,100,150],
                     learning_rate=[0.1,0.2,0.3],
                     )

clf = RandomizedSearchCV(model_LGBM, distributions, random_state=0,n_iter=100,verbose=10)
clf.fit(X_train,y_train,eval_set=(X_test,y_test))

因此，RSCV的输出看起来像：

First iter: CV 1/5, "valid0's" CV 2/5 "valid0's", ..., CV 5/5 "valid0's";
Second iter: CV 1/5 "valid0's", CV 2/5 "valid0's", ..., CV 5/5 "valid0's";
...
Last iter: CV 1/5 "valid0's", CV 2/5 "valid0's", ..., CV 5/5 "valid0's";
+1 fit with "valid0's"

我想最后一个拟合是改装的最佳估计器。它使用整个训练集吗？它在哪里使用评估集？

Answer 1

根据文档（现在 revit 参数为 true （它是由默认值）该模型在末尾使用输入的整个数据集（在这种情况下的火车数据）上找到的最佳参数进行了训练。