您可以使用warnings.catch_warnings实时捕获警告

import warnings

with warnings.catch_warnings()
    warnings.filterwarnings('error')
    try:
        model.fit(X, y)
    except Warning:
        # do something in response

这个结构将捕捉任何警告，并允许你以你认为合适的方式响应它。在这种情况下，可能会修改一些超参数，使模型更容易收敛。
也可以使用warnings.filterwarnings忽略警告，并指定要忽略的警告类型。
要忽略ConvergenceWarning：

from sklearn.execpetions import ConvergenceWarning

warnings.filterwarnings('ignore', category=ConvergenceWarning)

...

拟合后检查n_iter_属性，如果小于配置的最大迭代次数（max_iter），则收敛。

假设你想要训练scikit-learn模型，并且希望能够存储警告（如果有的话），那么你可以按照如下方式拟合模型：
第一个月
如果你想捕捉到这个警告，那么你可以运行这个模型：

with warnings.catch_warnings(record=True) as caught_warnings:
    clf.fit(X_train, y)

最后，您可以通过迭代caught_warnings来获得警告，如下所示：

for warn in caught_warnings:
    print(warn)