如何使用RandomizedSearchCV对MultiOutputClassifier封装的模型做超参数调优

scikit-learn的嵌套封装器参数需要遵循固定命名规则：如果要给封装器内部的子估计器传参，需要用[外层封装器的子估计器参数名]__[子估计器自身参数名]的格式，中间为双下划线。
你当前直接把随机森林的参数名传给MultiOutputClassifier外层实例，程序会认为你要给MultiOutputClassifier本身设置不存在的n_estimators等参数，因此抛出参数无效错误。

修改你的参数字典，给所有随机森林的参数加上estimator__前缀（因为MultiOutputClassifier用来接收子估计器的参数就叫estimator），修改后的参数代码如下：

params = {
    'estimator__n_estimators': [i for i in range(50,225,25)],
    'estimator__max_depth' : [10,20,30,40,50],
    'estimator__max_features' : ['auto', 'sqrt', 'log2']
}

修改后原有的RandomizedSearchCV调用代码无需改动，即可正常将参数传递给内部的RandomForestClassifier进行超参数搜索。

如果后续遇到类似的嵌套估计器参数设置问题，可以运行print(外层估计器实例.get_params().keys())查看所有合法可配置的参数名，确认参数命名规则。

内容的提问来源于stack exchange，提问作者Patrick Bro