ParameterSampler

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

从给定分布中采样参数的生成器。

用于超参数搜索的随机候选组合的非确定性迭代器。如果所有参数都以列表形式给出，则执行无放回抽样。如果至少一个参数以分布形式给出，则使用有放回抽样。强烈建议对连续参数使用连续分布。

更多信息请参见用户指南。

参数：

param_distributionsdict

参数名称（str）作为键的字典，以及要尝试的参数分布或列表。分布必须提供用于采样的 rvs 方法（例如来自 scipy.stats.distributions 的那些方法）。如果给定列表，则对其进行均匀采样。如果给定字典列表，则首先均匀采样一个字典，然后使用该字典（如上所述）采样参数。

n_iterint

生成的设置参数的数量。

random_stateint，RandomState 实例或 None，默认为 None

用于从可能的取值列表中进行随机均匀采样（而不是 scipy.stats 分布）的伪随机数生成器状态。为了在多次函数调用中获得可重复的输出，请传入一个整数。参见 词汇表。

返回:

paramsstr 到 any 的字典

生成将每个估计器参数映射到采样值的字典。

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