Scikit-learn 在 DecisionTreeClassifier 上使用 GridSearchCV

Question

我尝试在 DecisionTreeClassifier 上使用 GridSearchCV，但出现以下错误：TypeError: unbound method get_params() must be called with DecisionTreeClassifier instance as first argument ( got nothing instead)

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)

Answer 1

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

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

查看此处的示例以获取更多详细信息。

希望有帮助！

Answer 2

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来运行。下面提到的参数将检查与的不同criterion组合max_depth

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候选参数上运行：

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，首先是criterion和的每个组合max_depth，其次是仅针对所有提供的值min_samples_leaf