python - 如何告诉 RandomizedSearchCV 从分布或无值中进行选择？

Question

假设我们正在尝试找到 的最佳max_depth参数RandomForestClassifier。我们正在使用RandomizedSearchCV：

from scipy.stats import randint as sp_randint
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RandomizedSearchCV

rf_params = {              # Is this somehow possible?
              'max_depth': [sp_randint(1, 100), None],
            }

n_iter = 10

random_search = RandomizedSearchCV(RandomForestClassifier(), 
                                   verbose=50, 
                                   param_distributions=rf_params,
                                   n_iter=n_iter, 
                                   n_jobs=-1, 
                                   scoring='f1_micro')

random_search.fit(X_train, y_train)

是否可以告诉RandomizedSearchCV要么从指定的分布中选择，要么sp_randint(1, 100)将参数设置为None哪个将（如文档中所示）：“......扩展节点直到所有叶子都是纯的或直到所有叶子包含少于 min_samples_split 样本......”？

当我现在运行此代码时，我会收到此错误：

Answer 1

同样来自文档：“如果给出了列表，则对其进行统一采样。” 用这个：

'max_depth': list(range(1, 100)) + [None]