参数不会进入scikit中的自定义估计器-学习GridSearchCV

。

首先，自定义估计器是指用户根据自己的需求和算法实现的机器学习模型。scikit-learn是一个流行的机器学习库，提供了许多内置的估计器（estimator），如线性回归、决策树、支持向量机等。但是，有时候内置的估计器无法满足用户的特定需求，这时就需要自定义估计器。

GridSearchCV是scikit-learn中的一个模型选择工具，用于通过交叉验证来选择最佳的模型超参数。它会遍历给定的参数组合，并对每个组合进行交叉验证，最终返回最佳的参数组合。

然而，参数不会直接进入自定义估计器中的GridSearchCV。这是因为自定义估计器的参数是由用户定义的，而GridSearchCV只能搜索内置估计器的参数。GridSearchCV通过fit方法将数据传递给估计器，并使用估计器的score方法评估模型性能。因此，自定义估计器需要实现fit和score方法，以便与GridSearchCV进行交互。

在自定义估计器中，可以定义一些参数，例如学习率、正则化参数等。这些参数可以在fit方法中使用，并通过GridSearchCV的param_grid参数指定不同的取值范围。在GridSearchCV的结果中，可以查看最佳参数组合，并使用这些参数重新训练模型。

总结起来，参数不会直接进入自定义估计器中的GridSearchCV。自定义估计器需要实现fit和score方法，并通过GridSearchCV的param_grid参数指定不同的参数取值范围。通过交叉验证，GridSearchCV可以选择最佳的参数组合，并重新训练模型。