Scikit-learn 在 DecisionTreeClassifier 上使用 GridSearchCV答案

【问题标题】：Scikit-learn using GridSearchCV on DecisionTreeClassifierScikit-learn 在 DecisionTreeClassifier 上使用 GridSearchCV
【发布时间】：2016-12-07 04:10:27
【问题描述】：

我尝试在 DecisionTreeClassifier 上使用 GridSearchCV，但收到以下错误： TypeError: 必须使用 DecisionTreeClassifier 实例作为第一个参数调用未绑定的方法 get_params()（什么都没有）

这是我的代码：

from sklearn.tree import DecisionTreeClassifier, export_graphviz
from sklearn.model_selection import GridSearchCV
from sklearn.cross_validation import  cross_val_score

X, Y = createDataSet(filename)
tree_para = {'criterion':['gini','entropy'],'max_depth':[4,5,6,7,8,9,10,11,12,15,20,30,40,50,70,90,120,150]}
clf = GridSearchCV(DecisionTreeClassifier, tree_para, cv=5)
clf.fit(X, Y)

【问题讨论】：

标签： python machine-learning scikit-learn grid-search

【解决方案1】：

在您对GridSearchCV 方法的调用中，第一个参数应该是DecisionTreeClassifier 的实例化对象，而不是类的名称。应该是

clf = GridSearchCV(DecisionTreeClassifier(), tree_para, cv=5)

查看示例here 了解更多详情。

希望有帮助！

【讨论】：

【解决方案2】：

如果问题仍然存在，请尝试更换：

from sklearn.grid_search import GridSearchCV

与

from sklearn.model_selection import GridSearchCV

这听起来很愚蠢，但我遇到了类似的问题，我设法使用这个技巧解决了这些问题。

【讨论】：

【解决方案3】：

需要在分类器前面加一个()：

clf = GridSearchCV(DecisionTreeClassifier(), tree_para, cv=5)

【讨论】：

【解决方案4】：

这里是决策树网格搜索的代码

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV

def dtree_grid_search(X,y,nfolds):
    #create a dictionary of all values we want to test
    param_grid = { 'criterion':['gini','entropy'],'max_depth': np.arange(3, 15)}
    # decision tree model
    dtree_model=DecisionTreeClassifier()
    #use gridsearch to test all values
    dtree_gscv = GridSearchCV(dtree_model, param_grid, cv=nfolds)
    #fit model to data
    dtree_gscv.fit(X, y)
    return dtree_gscv.best_params_

【讨论】：

【解决方案5】：

关于参数的另一个方面是网格搜索可以使用不同的参数组合运行。下面提到的参数将检查criterion 和max_depth 的不同组合

tree_param = {'criterion':['gini','entropy'],'max_depth':[4,5,6,7,8,9,10,11,12,15,20,30,40,50,70,90,120,150]}

如果需要，网格搜索可以在多组参数候选上运行：

例如：

tree_param = [{'criterion': ['entropy', 'gini'], 'max_depth': max_depth_range},
              {'min_samples_leaf': min_samples_leaf_range}]

在这种情况下，网格搜索将在两组参数上运行，第一个是 criterion 和 max_depth 的每个组合，第二个是所有提供的 min_samples_leaf 值

【讨论】：