# 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]}

这段代码定义了Adaboost回归器的超参数搜索空间。具体来说，我们可以通过调整以下三个超参数来优化模型：

- n_estimators：Adaboost回归器中基础模型的数量。
- learning_rate：基础模型的权重缩减率。
- base_estimator__max_depth：基础模型（这里是决策树回归器）的最大深度。

这里使用了一个字典来定义超参数搜索空间，其中键代表超参数名称，值代表待搜索的参数值列表。例如，我们搜索三个基础模型数量（50、100、200），四个基础模型最大深度（1、2、3、4）和四个学习率（0.05、0.1、0.2、0.5）的组合，共计3 x 4 x 4 = 48 种组合。