BayesSearchCV 是一个基于贝叶斯优化的交叉验证方法，用于调整机器学习模型的超参数。当出现错误信息 "BayesSearchCV Value Error: All integer values should be greater than 0.000000." 时，意味着你在使用 BayesSearchCV 时，将整数类型的超参数的取值范围设置成了小于等于 0 的值，而这是不合法的。以下是解决这个问题的一些步骤和示例代码：

1. 检查你的超参数设置，确保整数类型的超参数的取值范围不包含小于等于 0 的值。

2. 确保你在定义超参数的搜索空间时使用正确的数据类型。例如，如果你想要搜索整数类型的超参数，应该使用 Int 类型而不是 Float 类型。

下面是一个示例代码，展示了如何使用 BayesSearchCV 进行超参数搜索的设置：

from skopt import BayesSearchCV
from sklearn.svm import SVC
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义超参数的搜索空间
param_space = {
    'C': (1e-6, 1e+6, 'log-uniform'),
    'gamma': (1e-6, 1e+1, 'log-uniform'),
    'degree': (1, 8),
    'kernel': ['linear', 'poly', 'rbf', 'sigmoid']
}

# 初始化 BayesSearchCV
model = SVC()
search = BayesSearchCV(model, param_space, n_iter=50, cv=5)

# 拟合模型
search.fit(X_train, y_train)

# 输出结果
print("Best parameters found: ", search.best_params_)
print("Best score found: ", search.best_score_)

在上述示例代码中，我们使用了 skopt 库的 BayesSearchCV 类来搜索 SVC 模型的超参数。我们将超参数的搜索空间定义在 param_space 字典中，其中包括了 C、gamma、degree 和 kernel 四个超参数。请确保在定义超参数的搜索空间时，将整数类型的超参数的取值范围设置为大于 0 的值。

希望以上解释和示例代码能帮助到你解决问题！