管道和网格搜索的 SKLearn 错误
Posted
技术标签:
【中文标题】管道和网格搜索的 SKLearn 错误【英文标题】:SKLearn Error with Pipeline and Gridsearch 【发布时间】:2020-01-28 11:31:18 【问题描述】:我想首先将我的数据拆分为测试集和训练集。然后我想在我的训练集上使用 GridSearchCV(内部分成训练/验证集)。最后我想收集所有的测试数据并做一些其他的事情(不在问题的范围内)。
我必须扩展我的数据。所以我想在管道中处理这个问题。我的 SVC 中的某些内容应该被修改(kernel='rbf', class_weight=...)。 当我运行代码时,会发生以下情况:
"ValueError: Invalid parameter estimator for estimator Pipeline"
我不明白我做错了什么。我试着关注这个帖子:StandardScaler with Pipelines and GridSearchCV
唯一的区别是,我在 SVC 中修复了一些参数。我该如何处理?
target = np.array(target).ravel()
loo = LeaveOneOut()
loo.get_n_splits(input)
# Outer Loop
for train_index, test_index in loo.split(input):
X_train, X_test = input[train_index], input[test_index]
y_train, y_test = target[train_index], target[test_index]
p_grid = 'estimator__C': np.logspace(-5, 2, 20),
'estimator__gamma': np.logspace(-5, 3, 20)
SVC_Kernel = SVC(kernel='rbf', class_weight='balanced',tol=10e-4, max_iter=200000, probability=False)
pipe_SVC = Pipeline([('scaler', RobustScaler()),('SVC', SVC_Kernel)])
n_splits = 5
scoring = "f1_micro"
inner_cv = StratifiedKFold(n_splits=n_splits,
shuffle=True, random_state=5)
clfSearch = GridSearchCV(estimator=pipe_SVC, param_grid=p_grid,
cv=inner_cv, scoring='f1_micro', iid=False, n_jobs=-1)
clfSearch.fit(X_train, y_train)
print("Best parameters set found on validation set for Support Vector Machine:")
print()
print(clfSearch.best_params_)
print()
print(clfSearch.best_score_)
print("Grid scores on validation set:")
print()
我也试过这样:
p_grid = 'estimator__C': np.logspace(-5, 2, 20),
'estimator__gamma': np.logspace(-5, 3, 20),
'estimator__tol': [10e-4],
'estimator__kernel': ['rbf'],
'estimator__class_weight': ['balanced'],
'estimator__max_iter':[200000],
'estimator__probability': [False]
SVC_Kernel = SVC()
这也行不通。
【问题讨论】:
【参考方案1】:问题在于您的p_grid
。您在Pipeline
上进行网格搜索,并且没有任何名为estimator
的内容。它确实有一个叫做SVC
的东西,所以如果你想设置SVC
的参数,你应该在你的键前面加上SVC__
而不是estimator__
。所以将p_grid
替换为:
p_grid = 'SVC__C': np.logspace(-5, 2, 20),
'SVC__gamma': np.logspace(-5, 3, 20)
此外,您可以使用 cross_validate
函数替换外部 for
循环。
【讨论】:
非常感谢。也适用于交叉验证的提示。以上是关于管道和网格搜索的 SKLearn 错误的主要内容,如果未能解决你的问题,请参考以下文章
sklearn 管道有没有办法在网格搜索期间进行有步骤和无步骤的训练?我可以删除步骤,但如何将其传递给 GridSearchCV?