【问题标题】：Invalid parameter clf for estimator Pipeline in sklearnsklearn中估计器管道的参数clf无效
【发布时间】：2018-06-24 13:50:52
【问题描述】：

谁能检查以下代码的问题？在构建模型的任何步骤中我错了吗？我已经在参数中添加了两个“clf__”。

clf=RandomForestClassifier()
pca = PCA()
pca_clf = make_pipeline(pca, clf) 


kfold = KFold(n_splits=10, random_state=22)



parameters = {'clf__n_estimators': [4, 6, 9], 'clf__max_features': ['log2', 
'sqrt','auto'],'clf__criterion': ['entropy', 'gini'], 'clf__max_depth': [2, 
 3, 5, 10], 'clf__min_samples_split': [2, 3, 5],
'clf__min_samples_leaf': [1,5,8] }

grid_RF=GridSearchCV(pca_clf,param_grid=parameters,
        scoring='accuracy',cv=kfold)
grid_RF = grid_RF.fit(X_train, y_train)
clf = grid_RF.best_estimator_
clf.fit(X_train, y_train)
grid_RF.best_score_

cv_result = cross_val_score(clf,X_train,y_train, cv = kfold,scoring = 
"accuracy")

cv_result.mean()

【问题讨论】：

标签： python scikit-learn pipeline pca

【解决方案1】：

您假设以错误的方式使用make_pipeline。来自the documentation:-

这是 Pipeline 构造函数的简写；它不需要，并且不允许，命名估计器。相反，他们的名字将自动设置为它们类型的小写。

这意味着当您提供 PCA 对象时，其名称将设置为“pca”（小写），而当您向其提供 RandomForestClassifier 对象时，它将被命名为“randomforestclassifier”，而不是“clf”你在想。

所以现在您创建的参数网格无效，因为它包含clf__ 并且它不存在于管道中。

解决方案 1：

替换这一行：

pca_clf = make_pipeline(pca, clf)

与

pca_clf = Pipeline([('pca', pca), ('clf', clf)])

解决方案 2：

如果您不想更改pca_clf = make_pipeline(pca, clf) 行，则将parameters 中所有出现的clf 替换为'randomforestclassifier'，如下所示：

parameters = {'randomforestclassifier__n_estimators': [4, 6, 9], 
              'randomforestclassifier__max_features': ['log2', 'sqrt','auto'],
              'randomforestclassifier__criterion': ['entropy', 'gini'], 
              'randomforestclassifier__max_depth': [2, 3, 5, 10], 
              'randomforestclassifier__min_samples_split': [2, 3, 5],
              'randomforestclassifier__min_samples_leaf': [1,5,8] }

旁注：无需在您的代码中执行此操作：

clf = grid_RF.best_estimator_
clf.fit(X_train, y_train)

best_estimator_ 已经配备了具有最佳参数的整个数据，因此调用 clf.fit() 是多余的。

【讨论】：