许多 scikit-learn 函数都有一个 verbose 参数，根据他们的文档，“[c] 控制详细程度：越高，消息越多”（例如，GridSearchCV）。
很遗憾，没有提供关于允许使用哪些整数（例如，用户可以将详细程度设置为 100 吗？）以及哪些详细程度对应于哪些整数的指导。我在文档中的任何地方都找不到此信息。
我的问题是，哪些整数映射到哪些详细程度？
【问题讨论】：
标签： python arguments scikit-learn verbosity verbose
正如文档字符串所说，更高的整数映射到更高的详细程度。您可以设置详细度=100，但我很确定它与详细度=10 相同。如果您正在寻找每个整数的每个估计器的确切打印内容列表，您必须查看源代码。 我认为大多数估算器只有两个或三个级别的详细程度，我认为 3 或更高级别将是您可以获得的最详细程度。
【讨论】：
可能有点晚了，但由于我在设置 GridSearch 时偶然发现了同样的问题，所以我在子模块 sklearn\externals\joblib\parallel.py 最深处的文档字符串中发现了这个问题：
"详细级别：如果非零，则打印进度消息。超过 50，输出发送到标准输出。消息的频率随着详细级别的增加而增加。如果超过 10，则所有迭代都是举报了。”
此外，Glossary（搜索“详细”）这样说：
"目前在 Scikit-learn 中对 Logging 的处理不是很一致，但是当它作为一个选项提供时，verbose 参数通常可以选择不记录（设置为 False）。任何 True 值都应该启用一些日志记录，但可能需要更大的整数（例如 10 以上）来获得完整的详细信息。详细日志通常打印到标准输出。使用默认详细设置，估算器不应在标准输出上产生任何输出。"
【讨论】：