将管道与 GridSearchCV 一起使用

Posted 2023-03-12

【中文标题】将管道与 GridSearchCV 一起使用

【英文标题】：Using Pipeline with GridSearchCV

【发布时间】：2020-10-21 02:33:15

【问题描述】：

假设我有这个Pipeline 对象：

from sklearn.pipeline import Pipeline
pipe = Pipeline([
    ('my_transform', my_transform()),
    ('estimator', SVC())
])

要将超参数传递给我的支持向量分类器 (SVC)，我可以这样做：

pipe_parameters = 
    'estimator__gamma': (0.1, 1),
    'estimator__kernel': (rbf)

那么，我可以使用GridSearchCV：

from sklearn.model_selection import GridSearchCV
grid = GridSearchCV(pipe, pipe_parameters)
grid.fit(X_train, y_train)

我们知道 linear 内核不使用 gamma 作为超参数。 那么，如何在这个 GridSearch 中包含 linear 内核？

例如，在一个简单的GridSearch（没有管道）中，我可以这样做：

param_grid = [
    'C': [ 0.1, 1, 10, 100, 1000], 
     'gamma': [0.0001, 0.001, 0.01, 0.1, 1],
     'kernel': ['rbf'],
    'C': [0.1, 1, 10, 100, 1000],
     'kernel': ['linear'],
    'C': [0.1, 1, 10, 100, 1000],
     'gamma': [0.0001, 0.001, 0.01, 0.1, 1],
     'degree': [2, 3],
     'kernel': ['poly']
]
grid = GridSearchCV(SVC(), param_grid)

因此，我需要此类代码的工作版本：

pipe_parameters = 
    'bag_of_words__max_features': (None, 1500),
    'estimator__kernel': (rbf),
    'estimator__gamma': (0.1, 1),
    'estimator__kernel': (linear),
    'estimator__C': (0.1, 1),

我想将以下组合用作超参数的含义：

kernel = rbf, gamma = 0.1
kernel = rbf, gamma = 1
kernel = linear, C = 0.1
kernel = linear, C = 1

【参考方案1】：

你快到了。与您为SVC 模型创建多个字典的方式类似，为管道创建字典列表。

试试这个例子：

from sklearn.datasets import fetch_20newsgroups
from sklearn.pipeline import pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.svm import SVC

categories = [
    'alt.atheism',
    'talk.religion.misc',
    'comp.graphics',
    'sci.space',
]
remove = ('headers', 'footers', 'quotes')

data_train = fetch_20newsgroups(subset='train', categories=categories,
                                shuffle=True, random_state=42,
                                remove=remove)

pipe = Pipeline([
    ('bag_of_words', CountVectorizer()),
    ('estimator', SVC())])
pipe_parameters = [
    'bag_of_words__max_features': (None, 1500),
     'estimator__C': [ 0.1, ], 
     'estimator__gamma': [0.0001, 1],
     'estimator__kernel': ['rbf'],
    'bag_of_words__max_features': (None, 1500),
     'estimator__C': [0.1, 1],
     'estimator__kernel': ['linear']
]
from sklearn.model_selection import GridSearchCV
grid = GridSearchCV(pipe, pipe_parameters, cv=2)
grid.fit(data_train.data, data_train.target)

grid.best_params_
# 'bag_of_words__max_features': None,
#  'estimator__C': 0.1,
#  'estimator__kernel': 'linear'