Define hyperparameters to be tuned. param_grid = {'n_estimators': [50, 100, 200], 'learning_rate': [0.05, 0.1, 0.2, 0.5], 'base_estimator__max_depth': [1, 2, 3, 4]}

这是定义用于网格搜索调优的超参数字典的示例代码。其中，param_grid定义了需要调优的超参数和其取值范围，包括：

1. n_estimators：基础分类器数量，可设置为50, 100或200。

2. learning_rate：每个分类器的权重缩减率，可设置为0.05, 0.1, 0.2或0.5。

3. base_estimator__max_depth：基础分类器的最大深度，可设置为1, 2, 3或4。注意这里的双下划线，它用于表示参数max_depth是基础分类器DecisionTreeClassifier的一个参数。

通过这个步骤，可以定义需要调优的超参数，以便使用网格搜索算法寻找最佳的参数组合，从而优化AdaBoost分类器的性能。