optuna - Optuna 会与同名但含义不同的超参数混淆吗？

Question

假设我想同时尝试 LGBM 和 XGBoost，它们都有几个同名的超参数：

estimator_name = trial.suggest_categorical("estimator_name", ["lgbm", "xgboost"])

if estimator_name == "lgbm":
  params = {
        "reg_alpha": trial.suggest_loguniform("reg_alpha", 1/1024, 1024),
       # ...

  }
  estimator = LGBMClassifier(**params)
  
elif estimator_name == "xgboost":
  params = {
        "reg_alpha": trial.suggest_loguniform("reg_alpha", 1/1024, 1024),
        # ...
  }
  estimator = XGBClassifier(**params)

estimator.fit( ... )

在 LGBM 和 XGBoost 中，reg_alpha有不同的含义，因为 LGBM 工作在叶级别，而 XGBoost 工作在特征级别。所以在这种情况下，不同的值reg_alpha会产生非常不同的效果，具体取决于 的值estimator_name。

Optuna 能否妥善处理此问题？还是有更好的方法我应该这样做？