Question

背景

让我们说，我们有L个标签来预测多类（相应的多标签）问题。使用OneVsRestClassifier，正在构建L个分类器。我们假设，我们将LogisticRegression用于各个分类器。

使用GridSearchCV（分别为RandomizedSearchCV）搜索最佳超参数时，我们运行：

GridSearchCV( OneVsRestClassifier( LogisticRegression(), ...) ).fit(X, y)

问题

通过运行上面的GridSearchCV命令，我们将获得一组最佳超参数，用于训练（分别重新编译）所有L分类器。因此，例如，我们将获得C=10的最佳值，该值将用于重新设置L分类器的所有。

我的问题是为什么GridSearchCV没有为每个L分类器返回一组不同的最佳超参数。例如。 label0最优C=10，label1会获得最佳C=0.01，......？为什么决定返回一组超级参数而不是每个分类器的一组？

之前的经验

我在问，因为这种行为与我在培训每个标签分类器时通常会得到的行为不同＃39;例如。对于某些任务，我需要预测数千个标签，我会单独训练每个标签分类器（分布在许多机器上），因此，我肯定会得到每个标签分类器的不同超参数值。