Python Scikit学习-热重启以进行交叉验证

sklearn文档中的开发者指南（下面的链接）有一个章节标题吸引了我的眼球-

不幸的是，目前该部分只是说“TODO:演示使用坐标下降交叉验证线性回归的热重启技巧。”

grid_search.GridSearchCV和grid_search.RandomizedSearchCV没有热启动参数，因此我猜在交叉验证期间使用热重启需要支持热启动的估计器。但是还有一个开放的github问题，开发者说

有没有办法在sci工具包学习0.17中实现“算法技巧：交叉验证的热重启”

---

编辑：还是在0.18版本中发布？

我不能确定这是他们的意思，但我假设这只是指对正在交叉验证的估计器使用温启动参数。如果您特别想实现支持热启动的网格搜索，那么我认为交叉验证不是问题。您好，对不起，这个问题发布已经有一段时间了，但我无法理解将热启动引入交叉验证的好处。在下一次数据折叠中使用以前的知识（从上一次调用到

fit（）

）的调优参数）不是不对吗。在我看来，这将导致数据泄漏，并可能在后续折叠中给出错误的（夸大的）结果。请解释更多关于您的使用案例Hi Vivek，我认为您提出了一个很好的观点。我已经很久没有发布这篇文章了，我不确定我当时在寻找什么，除了可能想知道文档中暗示的关于如何加快模型搜索的内容。哦，好的。事实上，我看到了您链接的问题（以及其中链接的问题），但找不到主要原因，因此在这里提问。没关系，我会把我的问题添加到这个问题上。谢谢