VB6.0自定义函数中的参数问题

Posted 2023-04-09

VB6.0自定义函数的时候，怎么定义一个可有可无的参数？就好像Mid(Str，n1,n2)函数一样，最后的那个n2就可以不需要设定，没有赋值的时候，Mid函数返回另一种值，这就是一个可有可无的参数。自定义的函数怎么弄？
比如，定义了一个myName(a,b,c,d)函数，以后在调用的时候，c的值可以不需要设定，写为myName(a,b,,d)就可以，而不提示出错。
谢谢 tianqing20wen ！虽然讲解地不详细，但是还是提供了线索。原来“Optional”就是用来定义一个参数是否可选。我在网上又搜了一下“Optional”，之后知道了：
比如定义函数Fuction abc(Optional a ,Optional b)
1、如果要判断可选参数a是否赋值，用IsMissing()函数，若IsMissing(a)=Ture，则未赋值；
2、如果调用时设置为 abc(,3) ，即b=3、未对a赋值，则 IsMissing(a)=Ture；设置为 abc(3) ，即a=3、未未对b赋值；设置为 abc()，即未对a赋值且未对b赋值。
3、如果定义函数Fuction abc(Optional a As String ,Optional b As Integer)，即a定义为字符型变量，b定义为整形变量，如果调用函数abc，且未给a或b赋值，那么a自动得到值为空字符串，b得到值为0，IsMissing(a)=False，IsMissing(a)=False。因为a、b都被限定了类型的缘故。

好了，又补充了这些东西，是为了今后遇到了相同问题的朋友看到这个问答后能得到更多的东西。

Public Sub A(Optional A As Integer = 1, Optional B As Double = 2)
MsgBox "A=" & A
MsgBox "B=" & B
End Sub
Private Sub Form_Click()
Call A(, 23)
End Sub 参考技术A 点赞！感谢提问并分享！

将额外参数传递给 sklearn 管道中的自定义评分函数

【中文标题】将额外参数传递给 sklearn 管道中的自定义评分函数

【英文标题】：Passing extra arguments to a custom scoring function in sklearn pipeline

【发布时间】：2018-03-18 07:49:28

【问题描述】：

我需要在 sklearn 中使用自定义分数执行单变量特征选择，因此我使用的是 GenericUnivariateSelect。但是，如文档中所述，

选择器模式：‘percentile’、‘k_best’、‘fpr’、‘fdr’、‘fwe’

就我而言，我需要选择分数高于某个值的特征，所以我实现了：

from sklearn.feature_selection.univariate_selection import _clean_nans
from sklearn.feature_selection.univariate_selection import f_classif                        
import numpy as np
import pandas as pd
from  sklearn.feature_selection import GenericUnivariateSelect
from sklearn.metrics import make_scorer 
from sklearn.feature_selection.univariate_selection import _BaseFilter
from sklearn.pipeline import Pipeline 



class SelectMinScore(_BaseFilter):
    # Sklearn documentation: modes for selectors : ‘percentile’,     ‘k_best’, ‘fpr’, ‘fdr’, ‘fwe’
    # custom selector: 
    # select features according to the k highest scores.
    def __init__(self, score_func=f_classif, minScore=0.7):
        super(SelectMinScore, self).__init__(score_func)
        self.minScore = minScore
        self.score_func=score_func
    [...]
    def _get_support_mask(self):
        check_is_fitted(self, 'scores_')

        if self.minScore == 'all':
            return np.ones(self.scores_.shape, dtype=bool)
        else:
            scores = _clean_nans(self.scores_)
            mask = np.zeros(scores.shape, dtype=bool)

            # Custom part
            # only score above the min
            mask=scores>self.minScore
            if not np.any(mask):
                mask[np.argmax(scores)]=True
            return mask

但是，我还需要在此处使用必须接收额外参数 (XX) 的自定义评分函数： 不幸的是，我无法使用make_scorer解决

def Custom_Score(X,Y,XX):
      return 1

class myclass():
    def mymethod(self,_XX):

            custom_filter=GenericUnivariateSelect(Custom_Score(XX=_XX),mode='MinScore',param=0.7)   
        custom_filter._selection_modes.update('MinScore': SelectMinScore)
        MyProcessingPipeline=Pipeline(steps=[('filter_step', custom_filter)])
    # finally
        X=pd.DataFrame(data=np.random.rand(500,3))
        y=pd.DataFrame(data=np.random.rand(500,1))
        MyProcessingPipeline.fit(X,y)
        MyProcessingPipeline.transform(X,y)

_XX=np.random.rand(500,1
C=myclass()
C.mymethod(_XX)

这会引发以下错误：

Traceback (most recent call last):

 File "<ipython-input-37-f493745d7e1b>", line 1, in <module>
runfile('C:/Users/_____/Desktop/pd-sk-integration.py', wdir='C:/Users/_____/Desktop')
File "C:\Users\______\AppData\Local\Continuum\Anaconda2\lib\site-packages\spyder\utils\site\sitecustomize.py", line 866, in runfile
execfile(filename, namespace)
File "C:\Users\\______\\AppData\Local\Continuum\Anaconda2\lib\site-packages\spyder\utils\site\sitecustomize.py", line 87, in execfile
exec(compile(scripttext, filename, 'exec'), glob, loc)=
File "C:/Users/______/Desktop/pd-sk-integration.py", line 65, in <module>
C.mymethod()
File "C:/Users/______/Desktop/pd-sk-integration.py", line 55, in mymethod
         custom_filter=GenericUnivariateSelect(Custom_Score(XX=_XX),mode='MinScore',param=0.7)
TypeError: Custom_Score() takes exactly 3 arguments (1 given)

编辑：

我尝试通过在SelectMinScore 函数的fit() 中添加额外的kwarg (XX) 并将其作为适合参数传递来进行修复。 正如@TomDLT 所建议的，

custom_filter = SelectMinScore(minScore=0.7)
pipe = Pipeline(steps=[('filter_step', custom_filter)])
pipe.fit(X,y, filter_step__XX=XX)

但是，如果我这样做了

line 291, in set_params
(key, self.__class__.__name__))
ValueError: Invalid parameter XX for estimator   SelectMinScore. Check the list of available parameters with `estimator.get_params().keys()`.

【问题讨论】：

Custom_Score(XX=_XX) 不是评分函数，而是调用函数Custom_Score的结果

好的。但是，如果我删除它（XX = _XX）并且我只通过评分函数：，我仍然得到：文件“C：\ Users \ 310259398 \ AppData \ Local \ Continuum \ Anaconda2 \ lib \ site-packages \ sklearn \ feature_selection \ univariate_selection.py"，第 330 行，适合 score_func_ret = self.score_func(X, y) TypeError: Custom_Score() 正好需要 3 个参数（给定 2 个）

您的记分员中的XX 是什么？它是固定的还是取决于数据X？

【参考方案1】：

正如您在the code 中看到的，记分器函数不会使用额外的参数调用，因此在 scikit-learn 中目前没有简单的方法来传递您的样本属性XX。

对于你的问题，一个稍微笨拙的方法可能是在SelectMinScore 中更改函数fit，添加一个额外的参数XX：

def fit(self, X, y, XX):
    """...""" 
    X, y = check_X_y(X, y, ['csr', 'csc'], multi_output=True)

    if not callable(self.score_func):
        raise TypeError("The score function should be a callable, %s (%s) "
                        "was passed."
                        % (self.score_func, type(self.score_func)))

    self._check_params(X, y)
    score_func_ret = self.score_func(X, y, XX)
    if isinstance(score_func_ret, (list, tuple)):
        self.scores_, self.pvalues_ = score_func_ret
        self.pvalues_ = np.asarray(self.pvalues_)
    else:
        self.scores_ = score_func_ret
        self.pvalues_ = None

    self.scores_ = np.asarray(self.scores_)

    return self

然后您可以使用extra fit params 调用管道：

custom_filter = SelectMinScore(minScore=0.7)
pipe = Pipeline(steps=[('filter_step', custom_filter)])
pipe.fit(X,y, filter_step__XX=XX)

【讨论】：

最后我已经设法正确解释了我的问题 :) 你的解决方法很好，但不幸的是我有一个复杂的管道，有多个 custom_filters 并且每个步骤都可能会收到额外的数据......所以额外的适合参数而不是传递给后续管道步骤？

如in the doc 所述：fit_params 传递给每个步骤的fit 方法的参数，其中每个参数名称都带有前缀，以便参数p 用于步骤@987654332 @有键s__p

例如对于步骤filter_step，参数XX：管道采用参数filter_step__XX

我试过了......它仍然不起作用，因为我还需要重新定义 GenericUnivariateSelect 的拟合函数，而不仅仅是 SelectMinScore

我认为参数是从 GenericUnivariateSelect 传递给评分函数的，所以如果 GenericUnivariateSelect.fit() 只看到 X，y 它不能传递 XX