Python RandomizedSearchCV需要更长的时间，搜索的元素更少

我有一个奇怪的问题，我正在使用随机搜索CV优化我的参数

para_RS={“最大深度”：randint（1,70），
“最大功能”：[“log2”，“sqrt”]，
“min_samples_leaf”：randint（5,50），
“标准”：[“熵”，“基尼”]，
“等级重量”：[“平衡”]，
“最大叶节点”：randint（2,20）
}
dt=DecisionTreeClassifier（）

如果我包括所有这些参数，输出将在2-3分钟内完成，但是如果我删除所有参数并只保留下面的参数，那么运行将花费很长时间，我必须关闭笔记本

段落={
“最大深度”：randint（1,70）
}

而且，如果我删除更少，它需要很长时间运行（5-10分钟）。 代码如下：

if（randomsearch==True）：
tick=time.time（）
打印（“随机搜索开始”）
rs=随机搜索cv（估计值=dt，cv=5，参数分布=para_rs，
n_jobs=4，n_iter=30，scoring=“roc\u auc”，return\u train\u score=True）
rs.fit（列车外部、列车外部）
#其他与问题无关的代码。。。
打印（“随机搜索结束”）

这是由于以下因素的随机性造成的：

"max_depth": randint(1,70)
"max_leaf_nodes":randint(2,20)

randint（1,70）

将返回一个介于1,70之间的整数。因此，在不同的运行期间，会生成不同的

max_depth

值

因此，在特定运行期间，可能会产生非常高的价值。

DecisionTreeClassifier

的速度受

max\u depth

的值和

max\u leaf\u节点的影响。如果这些都是非常大的，时间将是非常大的

另外，我不确定您如何能够运行此代码。因为RandomizedSearchCV采用了iterables字典的参数网格。但是您的代码将为“max_depth”、“max_leaf_nodes”生成一个int，而不是数组或iterable。所以它应该抛出一个错误。您使用的是哪个版本的sklearn？或者您在此处显示的代码与实际代码不同？
您可以关闭此窗口，因为当我开始在分类器和RandomSearchCV中使用随机种子时，问题似乎已经解决了。感谢所有的帮助。
感谢Vivek的回答，但是，我怀疑深度是否是原因，好像我提到了所有参数，只有使用相同randint（1,70）的最大深度，我看到了时间上的巨大差异。两者在最大深度（介于18-20之间）上的结果几乎相同。我使用这两种设置（使用所有参数和仅使用最大深度）运行了大约30-40次，每次使用所有参数都会在2-3分钟内完成，最大深度将永远持续。我正在运行sklearn版本0.19.1和python版本3.6。此外，“n_iter”参数是驱动此RandomSearchCV运行多少次的参数，每次运行时它都会调用参数搜索空间并通过randint函数获取一个数字。@user6658936
randint（）
返回一个int，而不是一个可以在每个iter中反复调用的分布。
RandomizedSearchCV
。我理解randint（）返回一个数字，但“n_iter”参数是该随机搜索CV的驱动次数。每次基于该参数调用RandomSearchCV时，它都会从randint调用该参数的一个数字。我已经证实了这一点。如果我只做n_iter=10并且使用上面的代码，它将返回随机选取的10个最大深度值。以下是cv_结果参数的输出：[{'class_weight'：'balanced'，'criteria'：'entropy'，'max_depth'：6，'max_features'：'sqrt'，'max_leaf_nodes'：11，'min_samples_leaf'：44}，{'class_weight'：'balanced'，'criterial'：'gini'，'max_depth'：3，'max_features'：'sqrt'，'max_leaf_nodes nodes 4，'min_samples_leaf'：7}，{'class_weight'：'balanced'，'Criteria'：'gini'，'max_depth'：4，'max_features'：'sqrt'，'max_leaf_nodes'：17，'min_samples_leaf'：42}，