我正在使用keras模型的BaggingRegressor上运行RandomSearchCV（），以调整一些超参数。
当我运行代码时，我感觉到，每次进行新的学习都会花更多的时间。
verbose = 5，这是RandomSearchCV（）期间的输出：
[CV] base_estimator__nbFiltersChroma=9, score=0.428751343333, total= 18.5s
[Parallel(n_jobs=1)]: Done 1 out of 1 | elapsed: 18.6s remaining: 0.0s
[CV] base_estimator__nbFiltersChroma=9 ...............................
[CV] base_estimator__nbFiltersChroma=9, score=0.480676019044, total= 17.6s
[Parallel(n_jobs=1)]: Done 2 out of 2 | elapsed: 36.3s remaining: 0.0s
[CV] base_estimator__nbFiltersChroma=9 ...............................
[CV] base_estimator__nbFiltersChroma=9, score=0.343002385622, total= 19.4s
[Parallel(n_jobs=1)]: Done 3 out of 3 | elapsed: 55.9s remaining: 0.0s
[CV] base_estimator__nbFiltersChroma=8 ...............................
[CV] base_estimator__nbFiltersChroma=8, score=0.182141725885, total= 23.1s
[Parallel(n_jobs=1)]: Done 4 out of 4 | elapsed: 1.3min remaining: 0.0s
[CV] base_estimator__nbFiltersChroma=8 ...............................
[CV] base_estimator__nbFiltersChroma=8, score=0.445210294086, total= 20.8s
[Parallel(n_jobs=1)]: Done 5 out of 5 | elapsed: 1.7min remaining: 0.0s
[CV] base_estimator__nbFiltersChroma=8 ...............................
[CV] base_estimator__nbFiltersChroma=8, score=0.333381772658, total= 27.2s
[Parallel(n_jobs=1)]: Done 6 out of 6 | elapsed: 2.1min remaining: 0.0s
我查看了文档，但找不到“经过”和“总计”指的是什么。他们是每个适合自己的时间，还是他们将所有学习时间加在一起？ “从1完成1”行中存在相同的问题，它对应什么？ 由于“总数”在全球范围内增加，因此我认为这是第二种选择，但有时会减少（如代码所示）。
如果您对这些参数的含义有一些解释，我将非常感谢：）