>>> from sklearn.model_selection import HalvingRandomSearchCV
>>> hs = HalvingRandomSearchCV(pipe_svc,
... param_distributions=param_grid,
... n_candidates='exhaust',
... resource='n_samples',
... factor=1.5,
... random_state=1,
... n_jobs=-1)
(기본값인) resource='n_samples'로 지정하면 반복마다 제한할 자원으로 훈련 세트 크기를 사용합니다. factor 매개변수를 통해 반복마다 얼마나 많은 후보를 제거할지 지정할 수 있습니다. 예를 들어 factor=2로 지정하면 후보의 절반을 제거합니다. factor=1.5로 지정하면 후보 중에서 100%/1.5 ≈ 66%만 다음 반복으로 넘어갑니다. RandomizedSearchCV처럼 반복 횟수를 고정하여 지정하는 대신 (기본값인) n_candidates='exhaust'로 지정하면 마지막 반복에서 최대 자원(여기에서는 훈련 샘플)이 사용되도록 하이퍼파라미터 설정을 샘플링합니다.
RandomizedSearchCV와 비슷하게 탐색을 수행할 수 있습니다.