在将 GridSearchCV 与 SVR 结合使用时，如何解决错误“估计器管道的参数估计器无效”？答案

【问题标题】：How to go around the error "Invalid parameter estimator for estimator Pipeline" while using GridSearchCV with SVR?在将 GridSearchCV 与 SVR 结合使用时，如何解决错误“估计器管道的参数估计器无效”？
【发布时间】：2022-08-19 05:02:58
【问题描述】：

我正在尝试使用以下代码对最佳超参数进行 GridSearch：

search =GridSearchCV( 
    make_pipeline(RobustScaler(), 
                    SVR()#,
                    #cv=kf
                    #refit=True
                   ),
    param_grid = {
                \'estimator__svr__kernel\': (\'linear\', \'rbf\',\'poly\')#,
                #\'estimator__svr__C\':[ 10,20]
                #\'estimator__svr__gamma\': [1e-5, 3e-4 ],
                #\'estimator__svr__epsilon\':[0.001,0.002,0.006,0.008]#,
                # \'cv\' : [10]
                 },
    refit=True)

search.fit(train, target)

我收到此错误： ValueError：估计器管道的参数估计器无效（步骤= [（\'robustscaler\'，RobustScaler（）），（\'svr\'，SVR（））]）。使用estimator.get_params().keys() 检查可用参数列表

该错误没有指出参数网格中的任何特定条目。此外，estimator.get_params().keys() 列出了我使用的参数：

dict_keys([\'cv\', \'error_score\', \'estimator__memory\', \'estimator__steps\', \'estimator__verbose\', \'estimator__robustscaler\', \'estimator__svr\', \'estimator__robustscaler__copy\', \'estimator__robustscaler__quantile_range\', \'estimator__robustscaler__unit_variance\', \'estimator__robustscaler__with_centering\', \'estimator__robustscaler__with_scaling\', \'estimator__svr__C\', \'estimator__svr__cache_size\', \'estimator__svr__coef0\', \'estimator__svr__degree\', \'estimator__svr__epsilon\', \'estimator__svr__gamma\', \'estimator__svr__kernel\', \'estimator__svr__max_iter\', \'estimator__svr__shrinking\', \'estimator__svr__tol\', \'estimator__svr__verbose\', \'estimator\', \'n_jobs\', \'param_grid\', \'pre_dispatch\', \'refit\', \'return_train_score\', \'scoring\', \'verbose\'])

param_grid 的任何组合似乎都不起作用。

标签： python scikit-learn pipeline svm gridsearchcv

【解决方案1】：

我认为您应该为estimator__svr__kernel 使用方括号而不是括号：

'estimator__svr__kernel': ['linear', 'rbf','poly']

编辑：

通过在参数网格中使用 svr__kernel 而不是 estimator__svr__kernel，我能够针对 iris 数据集运行您的脚本：

from sklearn.preprocessing import RobustScaler
from sklearn.model_selection import GridSearchCV
from sklearn.pipeline import make_pipeline
from sklearn.svm import SVR
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target

search =GridSearchCV( 
make_pipeline(RobustScaler(), 
                SVR()#,
                #cv=kf
                #refit=True
               ),
param_grid = {'svr__kernel': ('linear', 'rbf','poly')},
refit=True)

search.fit(X, y)

这将返回：

GridSearchCV(estimator=Pipeline(steps=[('robustscaler', RobustScaler()),
                                       ('svr', SVR())]),
             param_grid={'svr__kernel': ('linear', 'rbf', 'poly')})

【讨论】：

谢谢，我试过了，还是一样的错误。