（Python - sklearn）如何通过 gridsearchcv 将参数传递给自定义 ModelTransformer class

Question

下面是我的管道，似乎我无法使用 ModelTransformer 类将参数传递给我的模型，我从 link (http://zacstewart.com/2014/08/05/pipelines-of-featureunions-of-pipelines.html)

错误消息对我来说很有意义，但我不知道如何解决这个问题。知道如何解决这个问题吗？谢谢。

# define a pipeline
pipeline = Pipeline([
('vect', DictVectorizer(sparse=False)),
('scale', preprocessing.MinMaxScaler()),
('ess', FeatureUnion(n_jobs=-1, 
                     transformer_list=[
     ('rfc', ModelTransformer(RandomForestClassifier(n_jobs=-1, random_state=1,  n_estimators=100))),
     ('svc', ModelTransformer(SVC(random_state=1))),],
                     transformer_weights=None)),
('es', EnsembleClassifier1()),
])

# define the parameters for the pipeline
parameters = {
'ess__rfc__n_estimators': (100, 200),
}

# ModelTransformer class. It takes it from the link
(http://zacstewart.com/2014/08/05/pipelines-of-featureunions-of-pipelines.html)
class ModelTransformer(TransformerMixin):
    def __init__(self, model):
        self.model = model
    def fit(self, *args, **kwargs):
        self.model.fit(*args, **kwargs)
        return self
    def transform(self, X, **transform_params):
        return DataFrame(self.model.predict(X))

grid_search = GridSearchCV(pipeline, parameters, n_jobs=-1, verbose=1, refit=True)

错误信息： ValueError：估算器 ModelTransformer 的参数无效 n_estimators。

Answer 1

GridSearchCV 对嵌套对象有特殊的命名约定。在你的例子中 ess__rfc__n_estimators 代表 ess.rfc.n_estimators，并且根据 pipeline 的定义，它指向

的属性 n_estimators

ModelTransformer(RandomForestClassifier(n_jobs=-1, random_state=1,  n_estimators=100)))

显然，ModelTransformer 个实例没有这样的属性。

修复很简单：为了访问 ModelTransformer 的基础对象，需要使用 model 字段。所以，网格参数变为

parameters = {
  'ess__rfc__model__n_estimators': (100, 200),
}

P.S. 这不是您的代码的唯一问题。为了在 GridSearchCV 中使用多个作业，您需要使您正在使用的所有对象都可复制。这是通过实现方法 get_params 和 set_params 实现的，你可以从 BaseEstimator mixin.

借用它们

（Python - sklearn）如何通过 gridsearchcv 将参数传递给自定义 ModelTransformer class

(Python - sklearn) How to pass parameters to the customize ModelTransformer class by gridsearchcv

machine-learning

parameter-passing

python-2.7

scikit-learn

cross-validation