sklearn估算器管道的参数无效

Question

我正在使用Python 2.7和sklearn 0.16 从O'Reilly的书" 使用Python 进行机器学习简介 "中实现一个示例.

我正在使用的代码:

pipe = make_pipeline(TfidfVectorizer(), LogisticRegression())
param_grid = {"logisticregression_C": [0.001, 0.01, 0.1, 1, 10, 100], "tfidfvectorizer_ngram_range": [(1,1), (1,2), (1,3)]}
grid = GridSearchCV(pipe, param_grid, cv=5)
grid.fit(X_train, y_train)
print("Best cross-validation score: {:.2f}".format(grid.best_score_))

返回的错误归结为:

ValueError: Invalid parameter logisticregression_C for estimator Pipeline

这是与从v.0.16使用Make_pipeline相关的错误吗？导致此错误的原因是什么？

Answer 1

在估算器名称和管道中 的参数之间应该有两个下划线logisticregression__C.做同样的事情tfidfvectorizer

请参阅http://scikit-learn.org/stable/auto_examples/plot_compare_reduction.html#sphx-glr-auto-examples-plot-compare-reduction-py上的示例

Answer 2

请注意，如果您使用带有投票分类器和列选择器的管道，则将需要多层名称：

pipe1 = make_pipeline(ColumnSelector(cols=(0, 1)),
                      LogisticRegression())
pipe2 = make_pipeline(ColumnSelector(cols=(1, 2, 3)),
                      SVC())
votingClassifier = VotingClassifier(estimators=[
        ('p1', pipe1), ('p2', pipe2)])

您将需要一个如下所示的参数网格：

param_grid = { 
        'p2__svc__kernel': ['rbf', 'poly'],
        'p2__svc__gamma': ['scale', 'auto'],
    }

p2是管道的名称，svc也是您在该管道中创建的分类器的默认名称。第三个元素是要修改的参数。

Answer 3

对于Pipeline在 a 中使用的更一般的答案，GridSearchCV模型的参数网格应该以您在定义管道时提供的任何名称开头。例如：

# Pay attention to the name of the second step, i. e. 'model'
pipeline = Pipeline(steps=[
     ('preprocess', preprocess),
     ('model', Lasso())
])

# Define the parameter grid to be used in GridSearch
param_grid = {'model__alpha': np.arange(0, 1, 0.05)}

search = GridSearchCV(pipeline, param_grid)
search.fit(X_train, y_train)

在管道中，我们使用model了估算器步骤的名称。因此，在网格搜索中，套索回归的任何超参数都应该带有前缀model__。网格中的参数取决于您在管道中指定的名称。在GridSearchCV没有管道的普通老式中，网格将如下所示：

param_grid = {'alpha': np.arange(0, 1, 0.05)}
search = GridSearchCV(Lasso(), param_grid)

您可以从这篇文章中找到有关 GridSearch 的更多信息。