我想知道两个不同分类器的超参数之间是否存在某种相关性。
例如：我们假设我们在具有最佳超参数的数据集上运行LogisticRegression（通过查找GridSearch）并希望运行另一个分类器，如SVC（{{1} } classifier）在相同的数据集上，而不是使用SVM查找所有超参数，我们可以修复一些值（或减少范围以限制GridSearch的超参数的搜索空间）吗？
作为一项实验，我使用GridSearch的分类器，如scikit-learn，LogisticRegression，SVS，LinearSVC和SGDClassifier来分类众所周知的数据集。在某些情况下，我能够凭经验看到一些相关性，但并不总是能够看到所有数据集。
所以请帮我澄清这一点。
答案 0 :(得分：4)
我认为你不能像这样把不同分类器的不同参数联系在一起。这主要是因为每个分类器的行为都不同，因为它有自己的方式来调整数据沿着它们自己的方程组。例如，假设SVC包含两个不同的内核rbf和sigmoid。情况可能是rbf可能完全适合数据，intercept parameter C设置为0.001，而'sigmoid kernel over the same data may fit with C`值为0.00001。两个值也可能相等。但是，你绝对不能这么说。当你说：
在某些情况下，我能够凭经验看到一些相关性，但并不总是能够看到所有数据集。
这可能只是巧合。因为这一切都取决于和分类器。你不能全局应用它。相关并不总是等于因果关系
您可以访问this site并亲眼看看虽然不同的回归函数具有相同的参数a，但它们的方程式却大不相同，因此在同一数据集中，您可能会出现{{1 }}