Python sklearn RidgeClassifierCV:意外的关键字参数';随机状态';
为什么Python sklearn RidgeClassifierCV:意外的关键字参数';随机状态';,python,scikit-learn,Python,Scikit Learn,为什么sklearn.linear\u model中的RidgeClassifierCV没有random\u state关键字参数 它交叉验证脊状分类器,该分类器具有随机状态。不应该传递这个关键字吗?还是我在这里遗漏了什么 --------------------------------------------------------------------------- TypeError Traceback (most rece
sklearn.linear\u model
中的RidgeClassifierCV
没有random\u state
关键字参数
它交叉验证脊状分类器
,该分类器具有随机状态
。不应该传递这个关键字吗?还是我在这里遗漏了什么
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-612-4d3d523acbab> in <module>()
1 # Apply ridge regression
----> 2 model = linear_model.RidgeClassifierCV(cv=3, normalize=True, random_state=random_state)
3 model.fit(Xtrain, ytrain)
4 model = linear_model.RidgeClassifier(alpha=model.alpha_, normalize=True,
5 random_state=random_state)
TypeError: __init__() got an unexpected keyword argument 'random_state'
---------------------------------------------------------------------------
TypeError回溯(最近一次调用上次)
在()
1#应用岭回归
---->2模型=线性模型。脊分类RCV(cv=3,规格化=True,随机状态=随机状态)
3.模型配合(Xtrain、ytrain)
4模型=线性模型。脊分类器(alpha=模型。alpha,normalize=真,
5随机状态=随机状态)
TypeError:\uuuu init\uuuuuuuuuuuuuuuuu()获取了意外的关键字参数“random\u state”
无需在RidgeClassifierCV
中设置随机状态RidgeClassifierCV
只会分割数据并进行拟合/预测。但这种拟合/预测是否会使用随机状态,从而导致不同的结果,从而在CV后产生不同的正则化参数?