sklearn；模型拟合前后超参数值相同答案

【问题标题】：sklearn; Value of hyperparameters are the same before and after model fittingsklearn；模型拟合前后超参数值相同
【发布时间】：2021-11-24 00:48:35
【问题描述】：

我想在拟合前后检查 scikit-learn 模型的超参数值：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

X, y = make_classification(n_samples=1000, n_features=4, n_informative=2, n_redundant=0)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

clf = RandomForestClassifier(random_state=0)

print(clf.get_params())
clf.fit(X_train, y_train)
print(clf.get_params())

它在模型拟合之前和之后给了我相同的值。我认为模型拟合后的超参数应该不同。我做错了吗？

另外，当我想使用模型进行预测时，模型用于预测的超参数是什么？

感谢您的帮助。

【问题讨论】：

标签： python scikit-learn hyperparameters model-fitting

【解决方案1】：

Hyperparameters 是学习算法（示例中为 RandomForestClassifier）配置的一部分，在训练过程中不会更改。 get_params() 的输出结果显示了模型的超参数配置。模型的内部状态（即构成随机森林的决策树中的节点定义）在模型训练期间确实会发生变化，但 get_params() 不提供该信息。

【讨论】：

谢谢。当我使用交叉验证时，我应该在每个折叠中初始化模型内部状态（或模型权重）吗？
交叉验证是关于在每个折叠中改变数据集，并且没有规定任何关于模型内部状态的内容。但是，如果更改初始化对您的特定应用程序有帮助，那么它可能是值得的。 Here 是另一个堆栈交换的相关讨论。