我想找到每个估计器的完整参数集：

estimators = [df.svm.SVR(), df.svm.LinearSVR(), df.svm.NuSVR()]

在测试代码中，我只添加了一些细节 'kernel':('linear', 'rbf')，这是从示例中找到的：

from sklearn import svm, grid_search, datasetsiris = datasets.load_iris()parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}svr = svm.SVC()clf = grid_search.GridSearchCV(svr, parameters)clf.fit(iris.data, iris.target)...                             > GridSearchCV(cv=None, error_score=...,>        estimator=SVC(C=1.0, cache_size=..., class_weight=..., coef0=...,>                      decision_function_shape=None, degree=..., gamma=...,>                      kernel='rbf', max_iter=-1, probability=False,>                      random_state=None, shrinking=True, tol=...,>                      verbose=False),>        fit_params={}, iid=..., n_jobs=1,>        param_grid=..., pre_dispatch=..., refit=...,>        scoring=..., verbose=...)

查找所有可能的参数及其值的最佳方法是什么？

回答：

你需要阅读每个方法的文档（至少通过 help( ) 命令查看文档字符串），并决定要调整哪些参数。特别是，许多参数可能有无限的可能值（例如C），因此你无法检查所有值。你需要进行一些抽样。

特别是，除了你自己之外，没有人能决定是否要检查SVM中样本加权的多种方式，或者是否要测试多个停止容差参数。