Python 第三个参数（kwargs）sklearn fit（）函数

我对scikit很陌生，我对fit（）函数有一个问题。我试图在互联网上寻找信息，但找不到太多。 在赋值中，我必须创建一个传递给分类器fit函数的参数dict，这意味着该函数将接受3个参数（X、y、kwargs）。这本词典应该有哪些参数？显然，这些都是fit函数的超参数。在网上，我只找到xgbooster的信息，但我不应该使用这些信息，只使用sklearn的分类器

我在网上还发现fit可以使用一个名为**fit_params的字典，但函数可能使用的参数没有任何内容

---

我希望我的问题是清楚的，谢谢大家

我以前没有使用过scikit learn，但是您可以使用

\uuuuu doc\uuu

方法获取您不确定的函数的文档。估计器的

fit（）

方法为其

\uuuu doc\uuuu

方法返回此值：

Fit the SVM model according to the given training data.

        Parameters
        ----------
        X : {array-like, sparse matrix} of shape (n_samples, n_features)                 or (n_samples, n_samples)
            Training vectors, where n_samples is the number of samples
            and n_features is the number of features.
            For kernel="precomputed", the expected shape of X is
            (n_samples, n_samples).

        y : array-like of shape (n_samples,)
            Target values (class labels in classification, real numbers in
            regression)

        sample_weight : array-like of shape (n_samples,), default=None
            Per-sample weights. Rescale C per sample. Higher weights
            force the classifier to put more emphasis on these points.

        Returns
        -------
        self : object

        Notes
        -----
        If X and y are not C-ordered and contiguous arrays of np.float64 and
        X is not a scipy.sparse.csr_matrix, X and/or y may be copied.

        If X is a dense array, then the other methods will not support sparse
        matrices as input.

我运行此命令以获得该输出：

从sklearn导入svm
clf=svm.SVC（伽马=0.001，C=100。）
打印（clf.fit.\uuuuu文件\uuuuuuuu）

模型超参数不是

fit

函数的参数，而是需要事先创建的模型类对象的参数

如果您有一个包含要传递给模型的参数的字典，则需要这样做（这里使用逻辑回归）：

现在，您已经创建了指定超参数的模型，您可以继续并使用您的数据对其进行拟合

LR.fit(X, y)

---

谢谢你提供的信息。我想没有第三个输入，我会尝试使用不同的分类器！谢谢，显然字典是为了传递一些需要为fit函数的分类器指定的参数（主要是sample\u weight，或check\u input…）

LR.fit(X, y)