Добавлены параметры моделей, веса блоков и руководство по настройке

README.md

@@ -52,5 +52,6 @@ nlp/
 - [`lab1/METRICS_AND_CLASSIFIERS.md`](lab1/METRICS_AND_CLASSIFIERS.md) —
   методическое описание метрик и классификаторов.
 - [`lab1/FEATURES.md`](lab1/FEATURES.md) — признаки и формулы.
+- [`lab1/TUNING.md`](lab1/TUNING.md) — настройка параметров и перебор.
 - [`lab1/PRESENTATION_OUTLINE.md`](lab1/PRESENTATION_OUTLINE.md) — структура
   презентации.

lab1/README.md

@@ -162,6 +162,8 @@ python -m stylometry.cli run --config configs/default.toml \
   ограничения и чек-лист для следующего исследователя.
 - **`FEATURES.md`** — состав стилометрических признаков, формулы и обоснование
   выбора; дополняет машинно-читаемый `features/feature_dictionary.csv`.
+- **`TUNING.md`** — где менять параметры классификаторов, признаки, LSA и веса
+  блоков; рекомендуемый порядок улучшения результатов.
 - **`METRICS_AND_CLASSIFIERS.md`** — методическое описание метрик и
   классификаторов: что показывает каждая метрика, как она считается, как
   интерпретировать значения, чем отличаются модели и как объяснять это на

lab1/RUNBOOK.md

@@ -29,6 +29,7 @@
 Полный протокол: `EXPERIMENTS.md`.
 Описание признаков: `FEATURES.md`.
 Описание метрик и классификаторов: `METRICS_AND_CLASSIFIERS.md`.
+Настройка параметров и перебор: `TUNING.md`.
 Структура презентации: `PRESENTATION_OUTLINE.md`.
 
 ---

lab1/TUNING.md

@@ -0,0 +1,455 @@
+# Настройка моделей и признаков
+
+Документ отвечает на практический вопрос: **где и какие параметры менять,
+чтобы пытаться улучшить macro-F1**. Он не заменяет `EXPERIMENTS.md`: там
+описан протокол, здесь — точки настройки и рекомендуемый порядок перебора.
+
+Главное правило: настраивать параметры можно только по обучающим блокам
+перекрёстной проверки. Нельзя выбирать признаки, число компонент LSA или
+гиперпараметры по тестовой выборке: это даёт оптимистическую оценку и
+не воспроизводится.
+
+---
+
+## 1. Где что находится
+
+| Что менять | Файл | Где именно |
+|---|---|---|
+| Параметры классификаторов | `stylometry/pipelines.py` | `make_classifier` |
+| Сетки для вложенной CV | `stylometry/pipelines.py` | `PARAM_GRIDS` |
+| Состав блоков признаков | `stylometry/pipelines.py` | `FeatureConfig`, `preset_config` |
+| Веса блоков | `stylometry/pipelines.py` | `FeatureConfig.block_weights` |
+| Параметры TF-IDF/LSA | `stylometry/lsa.py` | `_DEFAULT_CONFIGS`, `LSAVectorizer` |
+| Ручные признаки | `stylometry/features/` | модули групп |
+| Списки функциональных слов | `stylometry/lexicons.py` | тематические множества |
+| Параметры дельты | `stylometry/delta.py` | `DeltaClassifier`, `MFWVectorizer` |
+| Схема CV | `stylometry/cv.py` | `run_repeated_cv`, `run_nested_cv` |
+| Конфигурация запуска | `configs/default.toml` | `[cv]`, `[experiment]`, `[model_params]`, `[features]` |
+| CLI | `stylometry/cli.py` | `cmd_run`, `cmd_benchmark`, `cmd_ablate`, `cmd_lsa_sweep` |
+
+---
+
+## 2. Параметры классификаторов
+
+### 2.1. Через конфигурацию
+
+В `configs/default.toml` есть секция `[model_params]`:
+
+```toml
+[model_params]
+C = 0.3
+class_weight = "balanced"
+```
+
+Запуск:
+
+```bash
+python -m stylometry.cli run \
+    --config configs/default.toml \
+    --preset stylometry_pos_lsa \
+    --model logreg \
+    --repeats 3
+```
+
+Параметры из `[model_params]` передаются в `make_classifier`. Для каждой
+модели используются только её собственные параметры; лишние игнорируются.
+
+### 2.2. Через командную строку
+
+Удобно для быстрых проверок:
+
+```bash
+python -m stylometry.cli run \
+    --preset stylometry_pos_lsa \
+    --model logreg \
+    --repeats 1 \
+    --model-params '{"C": 0.3, "class_weight": "balanced"}'
+```
+
+JSON позволяет передать `null`, например отключить веса классов:
+
+```bash
+--model-params '{"class_weight": null}'
+```
+
+### 2.3. Что менять у конкретных моделей
+
+#### Логистическая регрессия (`logreg`)
+
+| Параметр | Смысл | Разумный диапазон |
+|---|---|---|
+| `C` | Обратная сила L2-регуляризации | 0,01; 0,03; 0,1; 0,3; 1; 3; 10; 30 |
+| `class_weight` | Веса классов | `"balanced"` или `null` |
+| `solver` | Алгоритм оптимизации | `lbfgs`, `liblinear`, `saga` |
+| `max_iter` | Максимум итераций | 1000–10000 |
+
+Что ожидать:
+
+- меньше `C` — сильнее регуляризация, модель проще, меньше переобучения;
+- больше `C` — модель лучше подстраивается под обучающие данные, но может
+  переобучиться;
+- `class_weight="balanced"` почти всегда полезен при дисбалансе 15–139;
+- `liblinear` иногда лучше на разреженных признаках, но медленнее при многих
+  классах.
+
+#### Линейный метод опорных векторов (`linear_svc`)
+
+| Параметр | Смысл | Разумный диапазон |
+|---|---|---|
+| `C` | Штраф за нарушения зазора | 0,01; 0,03; 0,1; 0,3; 1; 3; 10 |
+| `loss` | Функция потерь | `squared_hinge`, `hinge` |
+| `class_weight` | Веса классов | `"balanced"` или `null` |
+| `tol` | Допуск сходимости | 1e-3–1e-5 |
+| `max_iter` | Максимум итераций | 10000–50000 |
+
+Помните: `linear_svc` не выдаёт вероятности. Для top-k используются значения
+решающей функции; log loss для него не считается.
+
+#### Случайный лес (`random_forest`)
+
+| Параметр | Смысл | Разумный диапазон |
+|---|---|---|
+| `n_estimators` | Число деревьев | 300–1000 |
+| `max_depth` | Глубина дерева | `null`, 10, 20, 30, 50 |
+| `min_samples_leaf` | Минимум объектов в листе | 1, 2, 3, 5 |
+| `min_samples_split` | Минимум объектов для разбиения | 2, 5, 10 |
+| `max_features` | Число признаков на разбиение | `"sqrt"`, `"log2"`, 0.1, 0.3 |
+| `class_weight` | Веса классов | `"balanced_subsample"`, `"balanced"`, `null` |
+
+На 2005 объектах и 34 классах лес легко переобучается. Сначала уменьшайте
+`max_depth` и увеличивайте `min_samples_leaf`, а не число деревьев.
+
+#### Сверхслучайные деревья (`extra_trees`)
+
+Параметры те же, что у случайного леса. `max_features` и `min_samples_leaf`
+здесь особенно важны: случайные пороги уменьшают дисперсию, но при слишком
+большой глубине модель всё равно переобучается.
+
+#### Наивный байесовский классификатор (`multinomial_nb`)
+
+| Параметр | Смысл | Разумный диапазон |
+|---|---|---|
+| `alpha` | Сглаживание Лапласа | 0,01; 0,1; 0,3; 1; 3; 10 |
+| `fit_prior` | Учитывать априорные вероятности классов | `true`, `false` |
+
+В текущем конвейере для `multinomial_nb` исключаются LSA-блоки, потому что
+компоненты SVD могут быть отрицательными. Используются ручные неотрицательные
+признаки, char- и POS- n-граммы. Весов классов у модели нет; при сильном
+дисбалансе она смещается к частым классам.
+
+#### k ближайших соседей (`knn`)
+
+| Параметр | Смысл | Разумный диапазон |
+|---|---|---|
+| `n_neighbors` | Число соседей | 3, 5, 7, 9, 11, 15 |
+| `weights` | Вес соседей | `"uniform"`, `"distance"` |
+| `metric` | Метрика расстояния | `"cosine"`, `"euclidean"`, `"manhattan"` |
+
+Для разреженных текстовых признаков косинусное расстояние обычно лучше
+евклидова. kNN чувствителен к размерности; уменьшение числа признаков или
+LSA может помочь.
+
+#### Дельта Барроуза (`delta`)
+
+В `stylometry/delta.py`:
+
+- `n_features` — число наиболее частотных слов;
+- `metric` — `manhattan`, `cosine`, `euclidean`;
+- `zscore` — z-нормирование частот.
+
+CLI перебирает `n_features` и `metric`:
+
+```bash
+python -m stylometry.cli delta \
+    --features 50,100,200,500,1000 \
+    --metrics manhattan,cosine \
+    --repeats 2
+```
+
+Чтобы менять `zscore`, передайте параметр в `DeltaClassifier` из сценария или
+добавьте его в CLI.
+
+---
+
+## 3. Сетки для вложенной кросс-валидации
+
+`PARAM_GRIDS` в `stylometry/pipelines.py` задаёт, что именно перебирает
+`--nested`. Текущие сетки небольшие, чтобы серия завершалась за разумное время.
+Их можно расширить:
+
+```python
+PARAM_GRIDS = {
+    "logreg": {"model__C": [0.03, 0.1, 0.3, 1.0, 3.0, 10.0]},
+    "linear_svc": {"model__C": [0.03, 0.1, 0.3, 1.0, 3.0, 10.0]},
+    "random_forest": {
+        "model__max_depth": [None, 10, 20, 30],
+        "model__min_samples_leaf": [1, 2, 3, 5],
+        "model__max_features": ["sqrt", 0.1, 0.3],
+    },
+    "multinomial_nb": {"model__alpha": [0.01, 0.1, 0.3, 1.0, 3.0]},
+    "knn": {"model__n_neighbors": [3, 5, 7, 9, 11, 15]},
+}
+```
+
+После изменения:
+
+```bash
+python -m stylometry.cli run \
+    --preset stylometry_pos_lsa \
+    --model logreg \
+    --nested
+```
+
+Вложенная CV обучает модель для каждой комбинации гиперпараметров во
+внутренних блоках и оценивает выбранную модель на внешних. Это дороже, но
+честнее, чем настраивать параметры на тех же данных, где измеряется качество.
+
+Не расширяйте сетку одновременно по всем моделям: сначала найдите удачный
+диапазон на быстрых запусках, затем проверьте его через `--nested`.
+
+---
+
+## 4. Признаки: что и где менять
+
+### 4.1. Состав групп
+
+`FeatureConfig` в `stylometry/pipelines.py`:
+
+```python
+groups: tuple[str, ...] = (
+    "length", "lexical", "vocabulary", "characters", "punctuation",
+    "function_words", "pronouns", "pos", "syntax", "readability", "dialogue",
+)
+```
+
+В `configs/default.toml` можно задать список групп:
+
+```toml
+[features]
+groups = ["length", "lexical", "characters", "punctuation",
+          "function_words", "pronouns", "pos", "syntax", "dialogue"]
+```
+
+Это исключит `vocabulary` и `readability` — самые нестабильные группы на
+коротких репликах. Сравните результат с полным набором через `ablate`.
+
+### 4.2. Символьные n-граммы
+
+В `[features]`:
+
+```toml
+char_ngram_range = [2, 6]
+char_max_features = 8000
+min_df = 2
+```
+
+Что пробовать:
+
+- `[2, 5]` — текущий вариант;
+- `[2, 4]` — меньше шума, но меньше морфологии;
+- `[2, 6]` — больше деталей, выше риск переобучения;
+- `char_max_features`: 3000, 5000, 8000, 12000;
+- `min_df`: 1, 2, 3, 5.
+
+### 4.3. POS n-граммы
+
+```toml
+pos_ngram_range = [1, 4]
+pos_max_features = 800
+min_df = 2
+```
+
+POS-признаки обычно устойчивее к теме, чем словарные. Если увеличивать
+`pos_max_features`, следите за переобучением: редкие POS-шаблоны могут быть
+шумом.
+
+### 4.4. LSA
+
+В `configs/default.toml`:
+
+```toml
+lsa_components = 150
+```
+
+В `stylometry/lsa.py` в `_DEFAULT_CONFIGS` задаются параметры каждого
+варианта: `ngram_range`, `min_df`, `max_df`, `max_features`, `token_pattern`.
+Например, для `word` можно увеличить `max_features` с 5000 до 10000, а для
+`char` — с 5000 до 8000.
+
+Что пробовать:
+
+- `lsa_components`: 50, 100, 150, 200, 300;
+- `lsa_variants`: `word`, `word2`, `content`, `fw`, `char`, `pos`;
+- `min_df`: 2, 3, 5;
+- `max_features`: 3000–12000 в зависимости от варианта.
+
+Команда для перебора:
+
+```bash
+python -m stylometry.cli lsa-sweep \
+    --variants word,content,fw,char,pos \
+    --components 50,100,150,200,300 \
+    --model logreg --repeats 1
+```
+
+После выбора лучшего `k` проверьте его с 5 повторами через `run`.
+
+### 4.5. Веса блоков
+
+После L2-нормировки каждый блок имеет единичную норму, поэтому блоки
+конкурируют на равных. Если один блок шумит, его вес можно уменьшить:
+
+```toml
+[features.block_weights]
+stylo = 1.0
+char = 0.5
+pos = 0.7
+lsa_word = 0.3
+lsa_pos = 0.3
+```
+
+Правило: сумма весов не важна, важны относительные значения. Начните с
+единиц, затем уменьшайте шумные блоки. Веса — такой же гиперпараметр, поэтому
+выбирать их нужно по внутренней CV, а не по тесту.
+
+### 4.6. Добавление своих признаков
+
+1. Создайте модуль в `stylometry/features/`, например `my_features.py`.
+2. Реализуйте `extract(row: pd.Series) -> dict[str, float]`.
+3. Зарегистрируйте группу в `FEATURE_GROUPS` и префикс в
+   `FEATURE_GROUP_PREFIXES` в `stylometry/features/stylometry.py`.
+4. Добавьте группу в `FeatureConfig.groups` или в пресет.
+5. Проверьте, что значения конечны и не зависят от меток.
+6. Запустите `features` и `ablate`.
+
+Не добавляйте признаки, которые используют целевую переменную или статистики
+тестовой выборки.
+
+---
+
+## 5. Рекомендуемый порядок улучшения
+
+1. **Зафиксируйте базовый уровень:** `stylometry`, `stylometry_pos`,
+   `stylometry_pos_lsa`, 5 повторов. Без этого нельзя понять, помогает ли
+   изменение.
+2. **Уберите шумные группы.** Поочерёдно исключайте `vocabulary`,
+   `readability`, `length`; смотрите `delta_macro_f1` и доверительные
+   интервалы.
+3. **Настройте char/POS n-граммы.** Диапазоны, `max_features`, `min_df`.
+4. **Настройте LSA.** Варианты и число компонент; отдельно проверьте
+   «стиль или тема».
+5. **Настройте веса блоков.**
+6. **Настройте классификатор.** Начните с `logreg.C`, затем `linear_svc.C`,
+   затем деревья, NB и kNN.
+7. **Проверьте устойчивость.** Лучшие 2–3 конфигурации — через `--nested`,
+   5 повторов, разные seed.
+8. **Сравните статистически.** `compare` (Мак-Немар, бутстрэп-разница),
+   `subgroup-report`, `length-report`, `per_class_report`.
+9. **Только после этого** делайте выводы.
+
+Не пытайтесь улучшить всё одновременно: при 2005 объектах и 34 классах
+разница в 1–2 процентных пункта часто находится в пределах шума.
+
+---
+
+## 6. Что обычно даёт прирост, а что — нет
+
+### Обычно помогает
+
+- исключение нестабильных групп (`vocabulary`, `readability`);
+- char- и POS- n-граммы;
+- `class_weight="balanced"` для линейных моделей;
+- подбор `C` для логистической регрессии и SVM;
+- уменьшение `max_features` или `min_df` при переобучении;
+- веса блоков: уменьшение шумного LSA или char-блока;
+- больше повторов и вложенная CV для честной оценки.
+
+### Может помочь, но требует проверки
+
+- увеличение `char_max_features` и диапазона n-грамм;
+- увеличение числа компонент LSA;
+- `max_features=0.1/0.3` у деревьев;
+- `min_samples_leaf` > 1 у деревьев;
+- kNN с косинусным расстоянием и `weights="distance"`;
+- ансамбли (голосование logreg + SVM) — в текущем коде не реализованы, но
+  могут дать небольшой прирост.
+
+### Обычно не помогает или вредит
+
+- увеличение сложности модели без контроля переобучения;
+- настройка гиперпараметров на тестовой выборке;
+- удаление пунктуации и стоп-слов в стилометрии;
+- лемматизация по умолчанию;
+- SMOTE и синтез текста;
+- подбор признаков по тестовым метрикам;
+- сравнение моделей только по доле правильных ответов.
+
+---
+
+## 7. Как фиксировать результаты
+
+Для каждого варианта сохраняйте:
+
+- `run_metadata.json` (конфигурация, seed, версии);
+- `pooled_metrics.csv` (macro-F1, balanced accuracy, top-3);
+- `bootstrap_ci.json`;
+- `per_class_report.csv`;
+- `confusion_matrix.csv`;
+- `run_id` и команду запуска.
+
+Не сравнивайте запуски с разными `--folds` или `--seed` через `compare`.
+Для корректного парного сравнения используйте одинаковые схему CV и seed.
+
+---
+
+## 8. Быстрые команды для перебора
+
+```bash
+# 1. Логистическая регрессия: C
+for c in 0.03 0.1 0.3 1 3 10; do
+  python -m stylometry.cli run \
+    --preset stylometry_pos_lsa --model logreg \
+    --repeats 3 --model-params "{\"C\": $c}"
+done
+
+# 2. Линейный SVM: C
+for c in 0.03 0.1 0.3 1 3 10; do
+  python -m stylometry.cli run \
+    --preset stylometry_pos_lsa --model linear_svc \
+    --repeats 3 --model-params "{\"C\": $c}"
+done
+
+# 3. LSA: число компонент
+python -m stylometry.cli lsa-sweep \
+  --variants word,content,fw,char,pos \
+  --components 50,100,150,200,300 \
+  --model logreg --repeats 1
+
+# 4. Деревья: глубина и лист
+for depth in 10 20 30; do
+  for leaf in 1 2 3; do
+    python -m stylometry.cli run \
+      --preset stylometry_pos_lsa --model random_forest \
+      --repeats 3 \
+      --model-params "{\"max_depth\": $depth, \"min_samples_leaf\": $leaf}"
+  done
+done
+```
+
+Такие циклы создают много каталогов результатов. После серии удобно собрать
+сводку по `pooled_metrics.csv` и `run_metadata.json`; для этого можно
+использовать `pandas` или добавить отдельный сценарий.
+
+---
+
+## 9. Ограничения
+
+- 2005 реплик и 34 класса — небольшая выборка; многие различия статистически
+  незначимы.
+- Короткие тексты ограничивают пользу словарного богатства и читаемости.
+- Один автор: задача измеряет различимость речевых масок, а не авторский
+  стиль.
+- LSA может отражать тему; сравнение вариантов обязательно.
+- Ручная фильтрация корпуса не воспроизводима; это ограничение нельзя
+  исправить настройкой модели.
+- Любая настройка по тестовой выборке делает результат невалидным.

lab1/configs/default.toml

@@ -15,6 +15,24 @@ seed = 42
 preset = "stylometry_pos_lsa"
 model = "logreg"
 
+[model_params]
+# Параметры конкретного классификатора. Раскомментируйте нужные.
+# Для logreg:
+# C = 1.0
+# class_weight = "balanced"
+# Для linear_svc:
+# C = 1.0
+# Для random_forest / extra_trees:
+# n_estimators = 400
+# max_depth = 30
+# min_samples_leaf = 1
+# Для multinomial_nb:
+# alpha = 1.0
+# fit_prior = true
+# Для knn:
+# n_neighbors = 5
+# weights = "distance"
+
 [features]
 # Эти параметры описаны в stylometry/pipelines.py и могут переопределяться
 # программно. В командной строке удобнее выбирать готовый preset.
@@ -25,3 +43,11 @@ pos_ngram_range = [1, 3]
 lsa_components = 100
 min_df = 3
 stylo_scaler = "standard"
+
+[features.block_weights]
+# Веса блоков в FeatureUnion. Пусто — равные веса.
+# stylo = 1.0
+# char = 0.5
+# pos = 0.5
+# lsa_word = 0.5
+# lsa_pos = 0.5

lab1/stylometry/cli.py

@@ -373,13 +373,24 @@ def cmd_run(args: argparse.Namespace) -> int:
     )
 
     overrides = dict(config_data.get("features", {}))
-    for key in ("char_ngram_range", "pos_ngram_range"):
+    for key in ("char_ngram_range", "pos_ngram_range", "groups"):
         if key in overrides and isinstance(overrides[key], list):
             overrides[key] = tuple(overrides[key])
     if "lsa_variants" in overrides and isinstance(overrides["lsa_variants"], list):
         overrides["lsa_variants"] = tuple(overrides["lsa_variants"])
     feature_config = _feature_config(preset, overrides)
-    pipeline = build_pipeline(feature_config, model)
+
+    model_params = dict(config_data.get("model_params", {}))
+    if args.model_params:
+        try:
+            extra_params = json.loads(args.model_params)
+        except json.JSONDecodeError as error:
+            raise ValueError(f"Некорректный JSON в --model-params: {error}") from error
+        if not isinstance(extra_params, dict):
+            raise ValueError("--model-params должен быть JSON-объектом.")
+        model_params.update(extra_params)
+
+    pipeline = build_pipeline(feature_config, model, **model_params)
     run_config = {
         "preset": preset,
         "model": model,
@@ -390,6 +401,7 @@ def cmd_run(args: argparse.Namespace) -> int:
         "n_classes": int(len(np.unique(y))),
         "corpus_sha256": frame.attrs.get("corpus_sha256", ""),
         "feature_config": dict(feature_config.__dict__),
+        "model_params": model_params,
         "package_versions": _package_versions(),
     }
 
@@ -492,6 +504,7 @@ def cmd_ablate(args: argparse.Namespace) -> int:
             lsa_components=base.lsa_components,
             stylo_scaler=base.stylo_scaler,
             stylo_normalize=base.stylo_normalize,
+            block_weights=dict(base.block_weights),
             include_stylo=True,
             include_lsa=base.include_lsa,
             char_max_features=base.char_max_features,
@@ -772,6 +785,11 @@ def build_parser() -> argparse.ArgumentParser:
     run.add_argument("--folds", type=int, default=None)
     run.add_argument("--repeats", type=int, default=None)
     run.add_argument("--seed", type=int, default=None)
+    run.add_argument(
+        "--model-params",
+        default=None,
+        help='JSON с параметрами модели, например \'{"C": 0.3, "class_weight": "balanced"}\'',
+    )
     run.add_argument("--nested", action="store_true", help="Вложенная кросс-валидация")
     run.set_defaults(func=cmd_run)
 

lab1/stylometry/pipelines.py

@@ -45,6 +45,9 @@ class FeatureConfig:
     lsa_components: int = 100
     stylo_scaler: str = "standard"  # standard | minmax | none
     stylo_normalize: bool = True
+    # Веса блоков в FeatureUnion: stylo, char, pos, lsa_word, lsa_pos и т.д.
+    # Пустой словарь означает равный вес блоков.
+    block_weights: dict[str, float] = field(default_factory=dict)
     include_stylo: bool = True
     include_lsa: bool = True
     char_max_features: int = 5000
@@ -150,7 +153,18 @@ def build_feature_union(config: FeatureConfig) -> Any:
 
     if len(branches) == 1:
         return branches[0][1]
-    return FeatureUnion(branches)
+
+    union_kwargs: dict[str, Any] = {}
+    if config.block_weights:
+        branch_names = {name for name, _ in branches}
+        unknown = set(config.block_weights) - branch_names
+        if unknown:
+            raise ValueError(
+                f"Неизвестные блоки в block_weights: {sorted(unknown)}. "
+                f"Доступны: {sorted(branch_names)}"
+            )
+        union_kwargs["transformer_weights"] = dict(config.block_weights)
+    return FeatureUnion(branches, **union_kwargs)
 
 
 def make_classifier(name: str, **params: Any) -> Any:
@@ -159,19 +173,24 @@ def make_classifier(name: str, **params: Any) -> Any:
         strategy = params.pop("strategy", "most_frequent")
         return DummyClassifier(strategy=strategy)
     if name == "multinomial_nb":
-        return MultinomialNB(alpha=params.pop("alpha", 1.0))
+        return MultinomialNB(
+            alpha=params.pop("alpha", 1.0),
+            fit_prior=params.pop("fit_prior", True),
+        )
     if name == "logreg":
         return LogisticRegression(
             C=params.pop("C", 1.0),
-            solver="lbfgs",
+            solver=params.pop("solver", "lbfgs"),
-            max_iter=5000,
+            max_iter=params.pop("max_iter", 5000),
-            class_weight="balanced",
+            class_weight=params.pop("class_weight", "balanced"),
         )
     if name == "linear_svc":
         return LinearSVC(
             C=params.pop("C", 1.0),
-            class_weight="balanced",
+            loss=params.pop("loss", "squared_hinge"),
-            max_iter=20_000,
+            tol=params.pop("tol", 1e-4),
+            class_weight=params.pop("class_weight", "balanced"),
+            max_iter=params.pop("max_iter", 20_000),
             dual="auto",
         )
     if name == "random_forest":
@@ -179,7 +198,9 @@ def make_classifier(name: str, **params: Any) -> Any:
             n_estimators=params.pop("n_estimators", 400),
             max_depth=params.pop("max_depth", None),
             min_samples_leaf=params.pop("min_samples_leaf", 1),
-            class_weight="balanced_subsample",
+            min_samples_split=params.pop("min_samples_split", 2),
+            max_features=params.pop("max_features", "sqrt"),
+            class_weight=params.pop("class_weight", "balanced_subsample"),
             n_jobs=-1,
             random_state=params.pop("random_state", 42),
         )
@@ -188,7 +209,9 @@ def make_classifier(name: str, **params: Any) -> Any:
             n_estimators=params.pop("n_estimators", 400),
             max_depth=params.pop("max_depth", None),
             min_samples_leaf=params.pop("min_samples_leaf", 1),
-            class_weight="balanced",
+            min_samples_split=params.pop("min_samples_split", 2),
+            max_features=params.pop("max_features", "sqrt"),
+            class_weight=params.pop("class_weight", "balanced"),
             n_jobs=-1,
             random_state=params.pop("random_state", 42),
         )