Почему рандомизированное searchCV иногда возвращает худшие результаты, чем ручная настройка в Scikit-learn? ⇐ Python

[Anonymous]

Я работаю над проблемой классификации, используя randomforest-classifier Scikit-Learn. Я попытался использовать рандомизированное searchcv для настройки гиперпараметрических, но результаты были хуже, чем когда я вручную устанавливал параметры на основе интуиции и пробной/ошибки.
Вот упрощенная версия моего кода:

Код: Выделить всё

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import RandomizedSearchCV

param_dist = {
"n_estimators": [100, 200, 300],
"max_depth": [None, 10, 20, 30],
"min_samples_split": [2, 5, 10],
"min_samples_leaf": [1, 2, 4],
}

clf = RandomForestClassifier(random_state=42)
random_search = RandomizedSearchCV(clf, param_distributions=param_dist, n_iter=10, cv=5, scoring='accuracy')
random_search.fit(X_train, y_train)

В нескольких прогонках этот подход дает модели с более низкой точностью в моем наборе тестирования, чем моя модель, настраиваемая вручную.>

Подробнее здесь: https://stackoverflow.com/questions/796 ... -tuning-in