{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "96d0db537eab0911",
   "metadata": {
    "collapsed": false,
    "jupyter": {
     "outputs_hidden": false
    }
   },
   "source": [
    "# 🦐 对半网格搜索HalvingSearchCV\n",
    "\n",
    "决定网格搜索运算速度的因子：\n",
    "1. 参数空间大小\n",
    "2. 数据量大小\n",
    "\n",
    "sklearn呈现了两种优化方式：调整搜索空间（随机网格搜索）和调整每次训练数据（对半网格搜索）\n",
    "\n",
    "依据：任意子集的分布都与全集D的分布类似时，参数在子集和全集上的表现一致。\n",
    "\n",
    "因此，需要权衡子集大小和计算效率的问题。对半网格搜索的流程：\n",
    "\n",
    "1. 从全集中无放回随机抽样一个很小的子集d0，并验证全部组合的性能，根据d0上的验证结果淘汰评分排在后1/2的参数组合\n",
    "2. 从全集中无放回随机抽样一个比d0大一倍的子集d1，并在d1上验证剩余一半的参数组合，再淘汰后1/2\n",
    "3. 再从全集中无放回抽样一个比d1大一倍的子集d2，在d2上验证剩下1/4的参数组合，再将后1/2淘汰\n",
    "4. 持续循环\n",
    "\n",
    "| 迭代次数 | 子集样本量 | 参数组合数              |\n",
    "| -------- | ---------- | ----------------------- |\n",
    "| 1        | S          | C                       |\n",
    "| 2        | 2S         | 1/2C                    |\n",
    "| 3        | 4S         | 1/4C                    |\n",
    "| 4        | 8S         | 1/8C                    |\n",
    "| ...      |            | 当C无法除尽时，向上取整 |\n",
    "\n",
    "当参数组合只剩下一组、或剩余可用数据不足，循环停止。\n",
    "\n",
    "局限性：\n",
    "\n",
    "1. 子集越大，和全集越相似，但在开始时淘汰了一半的参数。\n",
    "2. 不放回的方式，需要的样本量必须很大\n",
    "\n",
    "函数：\n",
    "\n",
    "```python\n",
    "from sklearn.model_selection import HalvingGridSearchCV\n",
    "```\n",
    "\n",
    "\n",
    "| Name                     | Description                                              |\n",
    "| ------------------------ |----------------------------------------------------------|\n",
    "| `estimator`              | 评估器、调参对象                                                 |\n",
    "| `param_grid`             | 参数空间，`dict`、`list` of `dict`                             |\n",
    "| `factor`                 | 每轮迭代中新增样本量的比例，也是每轮迭代后剩下的参数组合比例。如`factor=2`，下一轮是上一轮样本量的两倍 |\n",
    "| `resource`               | 设置每轮迭代中增加的验证资源的类型                                        |\n",
    "| `max_resources`          | 一次迭代中，允许被用来验证任意参数组合的最大样本量                                |\n",
    "| `min_resources`          | 首次迭代时，用于验证参数组合的样本量                                       |\n",
    "| `aggressive_elimination` | 是否以全部数据被使用完作为停止搜索的指标，如果不是，则采取措施                          |\n",
    "| `cv`                     | 交叉验证折数                                                   |\n",
    "| `scoring`                | 评价指标，支持多个输出                                              |\n",
    "| `refit`                  | 挑选评估指标和最佳参数，在完整数据集上训练                                    |\n",
    "| `error_score`            | 网格搜索报错时返回结果，选择`raise`时直接报错并中断训练过程，其他情况会显示警告信息后继续完成训练     |\n",
    "| `return_train_score`     | 交叉验证是否显示训练集中参数得分                                         |\n",
    "| `random_state`           | 随机数种子                                                    |\n",
    "| `n_jobs`                 | 线程数                                                      |\n",
    "| `verbose`                | 输出工作日志                                                   |"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.11.8"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}