ValueError：使用 GridSearchCV 时估计器 SelectFromModel 的参数 C 无效

Posted 2023-03-12

【中文标题】ValueError：使用 GridSearchCV 时估计器 SelectFromModel 的参数 C 无效

【英文标题】：ValueError: Invalid parameter C for estimator SelectFromModel when using GridSearchCV

【发布时间】：2020-07-12 03:18:42

【问题描述】：

我正在使用 python 3.7.6，我正在尝试使用 GridSearchCV 调整一些超参数

我通过以下步骤创建了pipeline：scaling-> feature selection -> model

但我收到关于特征选择步骤的C 参数的错误。

    steps = [('scaler', StandardScaler()),
             ('FeatureSelection', SelectFromModel(LogisticRegression(penalty='l1', solver='liblinear'))),
             ('SVM', SVC())]
    pipeline = Pipeline(steps)  # define the pipeline object.

    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=30, stratify=y)

    parameteres = 'SVM__C': [0.001, 0.1, 10, 100, 10e5],
                   'SVM__gamma':[0.1,0.01],
                   'FeatureSelection__C':['0','0.5']
    grid = GridSearchCV(pipeline, param_grid=parameteres, cv=5, n_jobs=-1)
    grid.fit(X_train, y_train)
    print("pipeline score: ", grid.score(X_test, y_test))

我收到以下错误：

ValueError: Invalid parameter C for estimator SelectFromModel(estimator=LogisticRegression(C=1.0, class_weight=None,
                                             dual=False, fit_intercept=True,
                                             intercept_scaling=1, l1_ratio=None,
                                             max_iter=100, multi_class='auto',
                                             n_jobs=None, penalty='l1',
                                             random_state=None,
                                             solver='liblinear', tol=0.0001,
                                             verbose=0, warm_start=False),
                max_features=None, norm_order=1, prefit=False, threshold=None). Check the list of available parameters with `estimator.get_params().keys()`.

出了什么问题，我该如何解决？

【参考方案1】：

按原样，管道在SelectFromModel 中查找参数C，但找不到（不足为奇，因为模块没有这样的参数），并引发错误。由于您实际上需要LogisticRegression 的参数C，因此您应该更深入一点：将parameters 网格中的FeatureSelection__C 更改为FeatureSelection__estimator__C，您会没事的。

【讨论】：

@user3668129 你确定？？我实际上已经尝试过（不同的数据）并且它有效（我什至复制了错误）。你确定有正确的 2 个下划线 (__)？

你给了我很好的提示。我不得不删除“”并且它有效：'FeatureSelection__estimator__C'：[0.1，0.5]

@user3668129 我告诉过你；）（但你已经显示了单引号，而不是双引号）