如何使用 Sklearn 的管道参数 tuning/cross-validation？

Question

我刚刚发现了 Sklearn 的管道功能，我认为这对情绪分析很有用。我按以下方式定义了我的管道：

Pipeline([('vect', CountVectorizer(tokenizer=LemmaTokenizer(),
                         stop_words='english',
                         strip_accents='unicode',
                         max_df=0.5)),
          ('clf', MultinomialNB())

但是，按照上面的方式定义，我不允许调参。假设我想查看以下 max_dfs=[0,3,0.4,0.5,0.6,0.7] 以及以下 n_gram 范围 = [(1,1), (1,2 ), (2,2), 并使用交叉验证来找到最佳组合。有没有办法在我们的管道外部指定它，以便它知道考虑所有可能的组合？如果是这样，这将如何完成？

非常感谢您的指导和帮助！

Answer 1

您可以使用 set_param 函数为管道中的各个步骤设置参数，并将 key_name 作为 <stepname>__<paramname> 传递（使用双下划线连接）。

这可以与 GridSearchCV 相结合，以确定从给定值

最大化得分函数的参数组合

p = Pipeline([('vect', CountVectorizer(tokenizer=LemmaTokenizer(),
                         stop_words='english',
                         strip_accents='unicode',
                         max_df=0.5)),
          ('clf', MultinomialNB())
g = GridSearchCV(p, 
        param_grid={
              'vect__max_dfs':[0,3,0.4,0.5,0.6,0.7], 'vect__ngram_range':  [(1,1), (1,2), (2,2)]})
g.fit(X, y)
g.best_estimator_

如何使用 Sklearn 的管道参数 tuning/cross-validation？

How do to parameter tuning/cross-validation with Sklearn's pipeline?

python

parameters

scikit-learn

pipeline

cross-validation