在三级管道中设置 imputer 的参数

Posted 2023-03-12

【中文标题】在三级管道中设置 imputer 的参数

【英文标题】：Setting the parameters of an imputer within a three levels pipeline

【发布时间】：2020-07-19 15:27:59

【问题描述】：

我是这个数据科学领域的新手，为了组织我的代码，我正在使用管道。

我试图组织的代码的 sn-p 如下：

### Preprocessing ###
# Preprocessing for numerical data
numerical_transformer = Pipeline(steps=[
                ('imputer', SimpleImputer()),
                ('scaler', StandardScaler())
])

# Preprocessing for categorical data
categorical_transformer = Pipeline(steps=[
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('onehot', OneHotEncoder(handle_unknown='ignore', sparse=False))
])

# Bundle preprocessing for numerical and categorical data
preprocessor = ColumnTransformer(
    transformers=[
        ('num', numerical_transformer, numerical_cols),
        ('cat', categorical_transformer, categorical_cols)
    ])

### Model ###
model = XGBRegressor(objective ='reg:squarederror', n_estimators=1000, learning_rate=0.05) 

### Processing ###
# Bundle preprocessing and modeling code in a pipeline
my_pipeline = Pipeline(steps=[('preprocessor', preprocessor),
                              ('model', model)
                             ])

parameters = 
# => How to set the parameters for one of the parts of the numerical_transformer pipeline?

# GridSearch
CV = GridSearchCV(my_pipeline, parameters, scoring = 'neg_mean_absolute_error', n_jobs= 1)

CV.fit(X_train, y_train) 

如何更改在 numeric_transformer 管道中找到的 Imputer 的参数？

谢谢，

【问题讨论】：

您要调整的 imputer 的具体参数是什么？

嗨，策略参数。我希望它是 'mean'、'median' 和 'most_frequent' 我尝试了类似的方法：parameters['preprocessor__numerical_transformer__strategy'] = ['mean', 'median', 'most_frequent'] 但它没有用。

preprocessor__transformers__cat__imputer__strategy 呢？

如果我需要更改数值转换器，为什么要更改分类？

这似乎有效：parameters['preprocessor__num__imputer__strategy'] = ['most_frequent']

【参考方案1】：

@desernaut 指出正确的方向后，这就是答案：

parameters['preprocessor__num__imputer__strategy'] = ['most_frequent','mean', 'median',]

感谢@desernaut！