使用BayesSearchCV调优TCSVM时出现iid意外关键字参数错误如何解决

这个错误是因为iid参数早在scikit-learn 0.22版本就被官方废弃移除，当前你使用的BayesSearchCV（来自scikit-optimize库）新版本也同步移除了该参数的支持，强行传入就会触发参数不识别的报错。
降级方案失效通常是因为scikit-learn和scikit-optimize的版本没有完全匹配对应，完全不需要降级也可以解决问题，操作如下：

• 第一步：直接删除BayesSearchCV初始化时传入的iid=True参数，该参数的原有默认逻辑（按折样本数加权计算交叉验证得分）已经是当前版本的默认行为，不需要额外指定。
• 第二步：修正参数网格的键名，你用make_pipeline包裹了StandardScaler和SVC，管道会自动给每个步骤加前缀，SVC对应的步骤前缀是svc__（双下划线），否则会报参数不存在的错误。

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC
from skopt import BayesSearchCV
from skopt.space import Real, Integer, Categorical

model2 = make_pipeline(StandardScaler(), SVC())
parameter_grid = {
        'svc__C': Real(1e-5, 1e+3, prior='log-uniform'),
        'svc__gamma': Real(2e-2, 2e+3, prior='log-uniform'),
        'svc__degree': Integer(1, 8),
        'svc__kernel': Categorical(['linear', 'poly', 'rbf']),
    }
grid_searchdt = BayesSearchCV(
    estimator=model2, 
    search_spaces=parameter_grid, 
    n_iter=32, 
    cv=5, 
    random_state=0
)
grid_searchdt.fit(X_Train, Y_Train)
print("Score opt =", grid_searchdt.score(X_Test, Y_Test))
print("Best_Params =", grid_searchdt.best_params_)
print("Best_Score =", grid_searchdt.best_score_)

如果运行仍有版本兼容问题，直接升级scikit-optimize到最新稳定版即可：
pip install --upgrade scikit-optimize
如果需要实现原iid=False的效果（各折交叉验证得分算术平均），可以自定义scoring函数，指定平均方式为算术平均即可。

内容的提问来源于stack exchange，提问作者jd10031994