我想使用scikit-learn中的RandomizedSearchCV。在构造函数中，我可以传递param_distributions，即我想要优化的不同参数的分布。但还有一个fit_params属性。从文档中我没有看出它的含义。在哪些情况下我应该使用fit_params而不是param_distributions？

回答：

一个是用于初始化参数，另一个是用于在实际调用fit方法时添加的参数。

你想要改变的大多数东西都将通过param_distributions来设置。像正则化、超参数、损失函数等，这些是特定于模型实例化的。

另一方面，有些在fit调用中传递的部分有时是必需的。例如，LogisticRegression支持sample_weights（文档）。如果这对你很重要，那么你可以在这里添加这些参数，但通常CV是关于锁定你的超参数的，所以我猜大多数时候你需要的是param_distributions。