RandomizedSearchCV比GridSearchCV快是因为不穷举所有参数组合，而是从指定分布中随机采样n_iter次，大幅减少训练次数；例如5个参数各10值时，网格搜索需10⁵次，而n_iter=100仅需100次。
RandomizedSearchCV比GridSearchCV快在哪
因为RandomizedSearchCV不穷举所有组合，而是从指定分布中随机采样固定次数（n_iter），适合高维参数空间。比如你有 5 个超参数，每个参数取 10 个值，GridSearchCV要跑 10⁵ = 100,000 次训练；设 n_iter=100，RandomizedSearchCV只跑 100 次——实际效果常不输网格搜索，尤其当部分参数对结果影响较小时。
但要注意：它不保证找到全局最优，只保证在采样范围内找最好那几个。所以n_iter不能设得太小（默认是 10），建议从 30 起步，配合交叉验证折数（cv）权衡耗时与稳定性。
怎么给不同参数设置合理分布
乱写分布会导致大量无效采样。关键原则是：让采样更集中在“可能有效”的区域，同时保留探索性。
-
C（逻辑回归/SVM 正则强度）：用scipy.stats.loguniform(1e-3, 1e3)，而非uniform(0.001, 1000)——因为正则项影响常呈数量级变化 -
max_depth（树模型）：用randint(3, 20)，整数离散分布，避免浮点采样 -
learning_rate（梯度提升）：同样用loguniform(1e-4, 0.3)，小学习率更常见且有效 - 分类器选型（如
classifier__class）这类离散类型，必须用['LogisticRegression', 'RandomForestClassifier']这种列表，不能塞进分布对象
Pipeline里怎么传参给RandomizedSearchCV
如果用了 sklearn.pipeline.Pipeline，参数名必须带双下划线（__）前缀，否则会报 ValueError: Parameter 'C' not in param_distributions。
例如 pipeline 定义为：pipe = Pipeline([('scaler', StandardScaler()), ('clf', LogisticRegression())])，那参数字典就得写成：
param_dist = {
'clf__C': loguniform(1e-3, 1e3),
'clf__solver': ['liblinear', 'saga']
}
漏掉 clf__ 前缀、或写成 classifier__C（名字不匹配）都会失败。另外，scoring 必须是字符串（如 'f1'）或可调用对象，不能传 make_scorer(f1_score, average='macro') 后再塞进 RandomizedSearchCV——它内部不支持嵌套 scorer 构造，得提前定义好。
怎么防止搜到过拟合的“假优解”
默认的 cv=5 可能因数据划分偶然性给出乐观估计。真实风险在于：某个参数组合在某几折 CV 中得分异常高，但泛化差。
- 把
cv改成StratifiedKFold(n_splits=5, shuffle=True, random_state=42)，确保每次搜索用相同划分，结果可复现 - 用
refit='f1_weighted'显式指定最终模型用哪个指标重训，别依赖默认的refit=True（它用第一个scoring） - 搜完立刻在**独立测试集**上调
best_estimator_.score(X_test, y_test)，如果测试分比 CV 均值低 >0.03，大概率过拟合了，得收紧参数范围重搜
最易被忽略的是：没检查 search.cv_results_['param_C'] 和对应 'mean_test_score' 的排序是否一致——有时最高均值分对应参数被截断或未采样到，得靠 search.best_params_ 看最终选定值，而不是自己按表格排序。
