ParameterSampler#

class sklearn.model_selection.ParameterSampler(param_distributions, n_iter, *, random_state=None)[source]#

从给定分布中采样的参数生成器。

用于超参数搜索的随机候选组合的非确定性可迭代对象。如果所有参数都以列表形式呈现，则执行无放回抽样。如果至少有一个参数以分布形式给出，则使用有放回抽样。强烈建议为连续参数使用连续分布。

欲了解更多信息，请阅读用户指南。

参数:

param_distributionsdict: 字典，键为参数名称（str），值为要尝试的分布或参数列表。分布必须提供用于采样的 rvs 方法（例如来自 scipy.stats.distributions）。如果给出了列表，则进行均匀采样。如果给出了字典列表，则首先均匀采样一个字典，然后使用该字典按照上述方式采样一个参数。
n_iter整型: 生成的参数设置的数量。
random_stateint, RandomState instance or None, default=None: 用于从可能值列表中进行随机均匀抽样的伪随机数生成器状态，而不是 scipy.stats 分布。传递一个整数以获得跨多个函数调用的可重现输出。请参阅 Glossary。

返回:

paramsdict of str to any: Yields 映射每个估计器参数到采样值的字典。

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

ParameterSampler#

本页