python sklearn 获取模型的可用超参数列表

Posted 2023-03-12

【中文标题】python sklearn 获取模型的可用超参数列表

【英文标题】：python sklearn get list of available hyper parameters for model

【发布时间】：2019-07-01 12:26:35

【问题描述】：

我正在使用带有 sklearn 的 python，并且想获取模型的可用超参数列表，如何做到这一点？谢谢

这需要在我初始化模型之前发生，当我尝试使用时

model.get_params() 

我明白了

TypeError: get_params() missing 1 required positional argument: 'self'

【参考方案1】：

应该这样做：estimator.get_params() 其中estimator 是模型的名称。

要在模型上使用它，您可以执行以下操作：

reg = RandomForestRegressor()
params = reg.get_params()
# do something...
reg.set_params(params)
reg.fit(X,  y)

编辑：

在实例化类之前获取模型超参数：

import inspect
import sklearn

models = [sklearn.ensemble.RandomForestRegressor, sklearn.linear_model.LinearRegression]

for m in models:
    hyperparams = inspect.getargspec(m.__init__).args
    print(hyperparams) # Do something with them here

模型超参数被传入sklearn 中的构造函数，因此我们可以使用inspect 模型来查看可用的构造函数参数，从而查看超参数。您可能需要过滤掉一些并非特定于模型的参数，例如self 和n_jobs。

【讨论】：

这仅适用于初始化模型，我需要知道初始化模型时可以使用的可用参数是什么，因此在此阶段未初始化。

我明白了，在这种情况下您有几个选择：1. sklearn 文档，但我猜您想以编程方式执行此操作 2. 您可以在未初始化的模型上调用 get_params()，然后使用set_params() 初始化模型。请参阅我编辑的答案，因为代码在 cmets 中的格式不正确。

【参考方案2】：

截至 2021 年 5 月： （基于 sudo 的回答）

# To get the model hyperparameters before you instantiate the class
import inspect
import sklearn

models = [sklearn.linear_model.LinearRegression]
for m in models:
    hyperparams = inspect.signature(m.__init__)
    print(hyperparams)

#>>> (self, *, fit_intercept=True, normalize=False, copy_X=True, n_jobs=None)

使用inspect.getargspec(m.__init__).args，正如 sudo 在接受的答案中所建议的那样，生成了以下警告：

DeprecationWarning: inspect.getargspec() is deprecated since Python 3.0, 
use inspect.signature() or inspect.getfullargspec()