具有 RF、PCA 和 CV 生成错误的管道

Question

我正在拟合一个随机森林回归模型，使用流水线 PCA 和网格搜索来选择超参数，但它以某种方式给了我一个错误。下面是我的代码：

params_rf = {'RandomForestRegressor__n_estimators': [300, 400, 500],
             'RandomForestRegressor__max_depth': [4, 6, 8],
             'RandomForestRegressor__min_samples_leaf': [0.1, 0.2],
             'RandomForestRegressor__max_features': ['log2', 'sqrt']}

pipe = Pipeline([('scaler', StandardScaler()),
                 ('reducer', PCA(n_components=50)),
                  ('regressor',RandomForestRegressor(verbose = 3))])

rf_cv = GridSearchCV(estimator = pipe,
                     param_grid = params_rf,
                     cv =3,
                     verbose=3)

rf_cv.fit(X_train,y_train)

错误信息：

Invalid parameter RandomForestRegressor_max_depth for estimator Pipeline(steps=[('scaler', StandardScaler()), ('reducer', PCA(n_components=50)),
                ('regressor', RandomForestRegressor(verbose=3))]). Check the list of available parameters with `estimator.get_params().keys()`.

我试过去掉'RandomForestRegressor_'前缀，问题依旧。我很漂亮 max_depth 实际上是 RandomForestRegressor

中的一个超参数

Answer 1

RandomForestRegressor，在您的管道中使用，已经有一个名称，regressor；你应该用这个名字来引用它，而不是 RandomForestRegressor。将您的 params_rf 更改为：

params_rf = {'regressor__n_estimators': [300, 400, 500],
             'regressor__max_depth': [4, 6, 8],
             'regressor__min_samples_leaf': [0.1, 0.2],
             'regressor__max_features': ['log2', 'sqrt']}

具有 RF、PCA 和 CV 生成错误的管道

Pipeline with RF, PCA and CV generating error

pipeline

random-forest

scikit-learn

cross-validation

grid-search