我的问题的上下文：
我正在使用scikit learn in mt随机森林回归器中的GridSearchCV进行超参数调整。为了缓解过度拟合，我发现也许我应该使用修剪技术。我查看了文档，发现了ccp_alpha参数，它指的是修剪；我还发现了这个告诉关于决策树修剪的例子。
我的问题：
既然我在寻找随机林(GRidSeachCV(的最佳参数，我应该如何输入ccp_alpha值？我应该在GridSearchCV之前还是之后包括？考虑到每次我执行GridSearchCV时，模型的结构都会发生变化。。。你们有推荐信吗？见习契约
我的观点：
对我来说，首先执行超参数调整，然后在训练和测试之前添加CCD_ 3(修剪(更有意义；最佳模型"；，但我不确定。。。。
由于ccp_alpha也是一个需要调整的参数，它应该是你简历的一部分。你的其他参数也取决于此。
它是一个正则化参数(如Lasso/Ridge回归中的lambda(，因此高值会使树非常小。