scikit-learn 1.4中set_params支持嵌套参数更新（如pipeline.set_params(classifier__C=0.1)），但修改后必须显式调用fit重训练，否则仅更新参数值而模型状态未刷新，预测结果不变。
scikit-learn 1.4 中 set_params 支持嵌套参数更新，但容易漏掉 estimator 实例的重新拟合
1.4 版本允许对 pipeline 中嵌套的 estimator 直接用点号语法更新参数，比如 pipeline.set_params(classifier__C=0.1)。这省去了手动取子对象再设参的步骤，但很多人改完参数就直接调 predict，忘了模型没重训练。
常见错误现象：参数看似更新成功，get_params 也返回新值，但预测结果完全不变——因为底层 classifier 还是旧的 fitted 状态。
- 必须在
set_params后显式调用fit（或partial_fit），否则只是“纸上改参” - 若 pipeline 已 fit 过，改参后需传入完整训练数据重训；不支持仅更新参数而不重训
- 注意：某些 transformer（如
StandardScaler）的fit会重置内部均值/方差，不是“增量更新”
使用 HalvingGridSearchCV 时，min_resources 设太小会导致 early stopping 过早淘汰好配置
HalvingGridSearchCV 在 1.4 中默认启用 aggressive_elimination=False，但它仍依赖资源分配策略。如果你设 min_resources="auto" 或过小的固定值（比如 min_resources=10），第一轮评估可能只用极少量样本训练，导致高偏差估计，把本该有潜力的参数组合直接筛掉。
典型场景：小样本分类任务（n_samples HalvingGridSearchCV 搜索 SVC 的 C 和 gamma，结果最优 CV 分数比普通 GridSearchCV 低 5% 以上。
- 建议先用
train_test_split粗估数据量级，再设min_resources=max(50, int(0.1 * n_train)) - 若用
cv=3，确保每折至少有 20+ 样本参与首轮拟合，否则fit可能报ValueError: n_samples must be >= n_classes -
factor默认为 3，意味着每轮保留 top 1/3 配置；若搜索空间稀疏（比如只有 6 个参数组合），factor=2更稳妥
OneHotEncoder 的 drop 参数现在支持 "first" 和 "if_binary"，但和 pandas get_dummies 行为不一致
1.4 中 OneHotEncoder(drop="if_binary") 会对二值特征自动 drop 第一列，看起来像省事，但它和 pandas.get_dummies(drop_first=True) 的列名生成逻辑不同：前者保留原始列名加后缀（如 gender_T），后者直接用 gender_M 这类原始值命名。混用时容易在 pipeline 后续步骤（比如特征重要性提取）中因列名不匹配报 KeyError。
性能影响：启用 drop 后，编码后矩阵更稀疏，LogisticRegression 训练快约 8–12%，但 RandomForest 基本无差异（树模型不依赖线性可分性）。
- 若后续要对接 pickle 保存的旧模型，确保训练与推理时
OneHotEncoder的drop设置完全一致，否则transform输出维度不匹配 -
drop="first"对多值类别仍只 drop 一列，不会引发LinearRegression的共线性警告；但若手动拼接其他编码器输出，需检查总列数是否意外减少 - 不推荐在
ColumnTransformer中对部分列设drop="if_binary"、其余列不设——列顺序和数量会在fit时固化，调试困难
fetch_openml 返回的 data 现在默认是 float32，但某些老版本 sklearn 模型（如 SGDClassifier）在 1.4 下对 float32 支持不稳定
1.4 更新了 fetch_openml，默认返回 dtype=float32 以节省内存。但 SGDClassifier(loss="hinge") 在部分硬件（尤其是旧版 Intel MKL）上遇到 float32 输入时，会出现收敛失败或 loss=nan；而 LogisticRegression 则完全正常。
容易踩的坑：代码里没显式转 dtype，本地测试用小数据集没问题，一上 full MNIST（70k 样本）就崩。
- 保险做法：加载后立刻转
X = X.astype(np.float64)，尤其当使用SGD、Perceptron或自定义损失函数时 - 若坚持用 float32，需确认 scikit-learn 编译时链接的是 OpenBLAS 而非 MKL（可通过
sklearn.show_versions()查看blas_opt_info） -
fetch_openml(return_X_y=True)返回的y类型未变（仍是 object 或 str），别误以为它也跟着变成 float32
真正麻烦的从来不是“有没有新功能”，而是新功能在旧 pipeline 里的隐性副作用——比如 set_params 看似方便，却模糊了“参数变更”和“模型状态变更”的边界；又比如 float32 默认化省了内存，却把数值稳定性问题悄悄推给了下游模型。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
