Python 3.x 为什么sklearn RidgeCV没有n_jobs论点？

为什么sklearn的

RidgeCV

没有

n_jobs

作为参数

LassoCV

和

LogisticRegressionCV

都将其作为一个论据。

前提是我的猜测只是一个有根据的猜测；正如您所见，正在不断尝试丰富与

n_作业的使用相关的文档

尽管如此，答案可能在交叉验证估计员手册中的内容中找到：

交叉验证估计量的一些例子是ElasticNetCV和LogisticRegressionCV。交叉验证估计器被命名为EstimatorCV，并且倾向于大致等同于GridSearchCV（Estimator（），…）。与标准估计器类相比，使用交叉验证估计器以及网格搜索的优势在于，它们可以通过重用交叉验证过程之前步骤中的预计算结果来利用热启动。这通常会提高速度RidgeCV类是一个例外，它可以执行有效的省略CV。

基本上，
RidgeCV
的使用与其他交叉验证估计器的使用略有不同（例如，
LogisticRegressionCV
，
LassoCV
，
ElasticNetCV
）


前者（无论何时与default
cv=None
一起使用）实现；只要
cv不是None
，它就会使用默认的
n\u jobs=None
实现
GridSearchCV（Ridge（））
后者确实实现了更标准的cv策略，具有上述关于使用
GridSearchCV（Estimator（））
的优势

最终，在这篇最近的文章中可能会发现一些其他有用的信息