pycaret模型默认跑几轮次

在 PyCaret 中，模型的轮次（也称为迭代次数或 epoch）是根据每个算法的默认值而定的。不同的算法具有不同的默认值，这些默认值旨在在大多数情况下提供良好的性能。

例如，在分类问题中，`create_model()` 函数默认情况下会为每个算法设置不同的轮次。以下是一些算法的默认迭代次数：

- Logistic Regression：100
- K Neighbors Classifier：100
- Decision Tree Classifier：100
- Random Forest Classifier：100
- Gradient Boosting Classifier：100
- SVM - Linear Kernel：100
- SVM - Radial Kernel：100
- Extra Trees Classifier：100
- Light Gradient Boosting Machine：100
- CatBoost Classifier：100
- AdaBoost Classifier：100
- Linear Discriminant Analysis：100
- Quadratic Discriminant Analysis：100

请注意，这些默认值可能因数据集的大小和复杂性而有所不同。如果你需要更多的轮次来获得更好的性能，可以在 `create_model()` 函数中使用 `n_iter` 参数来增加轮次。例如：

rf = create_model('rf', n_iter=200)

这将使用随机森林算法并将轮次增加到 200。