如何告诉 RandomizedSearchCV 选择分布或 None 值？

Question

假设我们正在尝试找到 RandomForestClassifier. We are using RandomizedSearchCV 的最佳 max_depth 参数：

from scipy.stats import randint as sp_randint
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RandomizedSearchCV

rf_params = {              # Is this somehow possible?
              'max_depth': [sp_randint(1, 100), None],
            }

n_iter = 10

random_search = RandomizedSearchCV(RandomForestClassifier(), 
                                   verbose=50, 
                                   param_distributions=rf_params,
                                   n_iter=n_iter, 
                                   n_jobs=-1, 
                                   scoring='f1_micro')

random_search.fit(X_train, y_train)

是否可以告诉 RandomizedSearchCV 从指定的分布 sp_randint(1, 100) 中选择或将参数设置为 None，这将（如文档中所示）：”。 ..展开节点直到所有叶子都是纯的或直到所有叶子包含少于 min_samples_split 个样本..."?

当我现在运行这段代码时，我会得到这个错误：

Answer 1

也来自 docs："If a list is given, it is sampled uniformly." 使用这个：

'max_depth': list(range(1, 100)) + [None]

如何告诉 RandomizedSearchCV 选择分布或 None 值？

How to tell RandomizedSearchCV to choose from distribution or None value?

python

scipy

random-forest

scikit-learn

hyperparameters