我明白实际上并不存在所谓的“最佳模型”，因为是否最佳取决于你希望在哪些评估指标上获得最佳值。那么我的问题是，RandomizedSearchCV使用什么指标来决定哪些是最佳参数？

回答：

我希望你指的是RandomizedSearchCV。默认情况下，它使用给定估算器的评分值，你可以通过更改scoring参数来修改它。

来自文档的说明：

scoring str, callable, list/tuple or dict, default=None.
可以是一个字符串（参见评分参数：定义模型评估规则）或一个可调用对象（参见从指标函数定义你的评分策略）来评估测试集上的预测结果。

为了评估多个指标，可以提供一个由唯一字符串组成的列表，或者一个以名称为键、可调用对象为值的字典。

注意，使用自定义评分器时，每个评分器应返回一个单一值。返回列表/数组值的指标函数可以包装成多个返回单一值的评分器。

参见评估多个指标的示例。如果为None，则使用估算器的score方法。

Sklearn对于分类器的默认评分是accuracy，对于回归器是r2 score

例如，你可以看到对于LinearRegression，它是r2 score – 参见这里。