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？

Question

我第一次问这个问题时就关闭了，因为this question 问了类似的问题。然而，尽管答案显示了如何从管道中添加/删除步骤，但没有一个显示这如何与GridSearchCV 一起工作，我想知道如何处理我已从中删除步骤的管道。

我想使用网格搜索来训练模型，并测试先执行 PCA 和省略 PCA 时的性能。有没有办法做到这一点？我正在寻找的不仅仅是将n_components 设置为输入变量的数量。

目前我这样定义我的管道：

pca = PCA()
gbc = GradientBoostingClassifier()
steps = [('pca', pca), ('gbc', gbc)]
pipeline = Pipeline(steps=steps)

param_grid = {
    'pca__n_components': [3, 5, 7],
    'gbc__n_estimators': [50, 100]
    }

search = GridSearchCV(pipeline, param_grid, n_jobs=-1, cv=5, scoring='roc_auc')

Answer 1

为此，您可以查看user guide，它在嵌套参数段落下的说明：

个别步骤也可以作为参数替换，非最终步骤可以通过设置为'passthrough'来忽略

在您的情况下，我将定义一个包含两个字典列表的网格，一个用于使用整个管道的情况，另一个用于省略 PCA：

param_grid = [
    {
        'pca__n_components': [3, 5, 7],
        'gbc__n_estimators': [50, 100]
    },
    {
        'pca': ['passthrough'], # skip the PCA
        'gbc__n_estimators': [50, 100]
    }
]

GridSearchCV 现在将根据列表中的每个字典跨越网格，并尝试使用和不使用 PCA 的组合。