Python 在自定义scikit learn BaseSearchCV上传播cv结果和最佳参数

我正在尝试使用类

BaseSearchCV

构建一个定制的scikit学习搜索cv

自定义搜索在多次迭代或“生成”中进行连续过程，每次迭代都有一组参数，并使用

self.cv\u results\u['mean\u test\u score']

在下一次迭代中创建一组新参数

我实施了以下方法：

def\u运行搜索（自我、评估候选人）：
评估候选对象（[self.current\u generation\u params]）

因此，顺序过程如下所示：

范围内i的

（迭代次数）：
self.current_generation_params=generate_params（当前_generation_params）
super（）.fit（X=X，y=y，groups=self.groups，**self.fit\u参数）

问题是，在迭代结束时，如果我打印

.cv\u results\u

和

.best\u params\u

，它将只包含上一次迭代的结果，并且基础估计器将仅使用该组参数进行重新调整，导致错误的

。最佳参数

，基本上导致搜索估计器的所有其他有利因素

我是否有办法让BaseSearchCV跟踪

.cv\u results\uuu

中的所有迭代，并根据所有迭代结果（而不仅仅是最后一个迭代结果）重新调整估计器

我简化了代码，但下面是

我还有一个问题，

BaseSearchCV

的冗长似乎避免了我打印类中的海关消息（如果verbose=0，或者如果verbose>0，则混合消息）

提前谢谢