在 scikit-learn 中使用 skopt.BayesSearchCV 时如何修复“numpy.int”属性错误？

Question

当我在官方文档上运行以下代码时，出现错误。

最小的例子

from skopt import BayesSearchCV
from sklearn.datasets import load_digits
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split

X, y = load_digits(n_class=10, return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.75, test_size=.25, random_state=0)

# log-uniform: understand as search over p = exp(x) by varying x
opt = BayesSearchCV(
    SVC(),
    {
        'C': (1e-6, 1e+6, 'log-uniform'),
        'gamma': (1e-6, 1e+1, 'log-uniform'),
        'degree': (1, 8),  # integer valued parameter
        'kernel': ['linear', 'poly', 'rbf'],  # categorical parameter
    },
    n_iter=32,
    cv=3
)

opt.fit(X_train, y_train)

最后一行产生错误：

AttributeError 模块“numpy”没有属性“int”。 np.int是内置的已弃用的别名int。为了避免现有代码中出现此错误，请int单独使用。这样做不会改变任何行为并且是安全的。替换 时np.int，您可能希望使用 例如np.int64或np.int32来指定精度。如果您想查看当前的使用情况，请查看发行说明链接以获取更多信息。别名最初在 NumPy 1.20 中已弃用；有关更多详细信息和指导，请参阅原始发行说明： https ://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

我怎么解决这个问题？还有其他方法来实现贝叶斯搜索吗？

也许skopt的版本太旧了。还有其他方法来实现贝叶斯搜索吗？除了网格搜索、随机搜索和贝叶斯搜索之外，还有其他方法可以帮助我选择机器学习模型的超参数吗？

Answer 1

我通过在调用 .fit() 之前添加这一行来解决这个问题

opt = BayesSearchCV(...)

np.int = int
opt.fit(...)

希望这可以帮助。

Answer 2

目前尚不清楚哪一行代码引发了异常，但我怀疑罪魁祸首是 skopt 没有赶上np.intnumpy 的完全弃用。您可以将 numpy 降级为<1.24或者此更改可以做到：

        'degree': (1, 8),  # integer valued parameter

到

        'degree': np.arange(1,9),

将整数维度作为整数数组传递。

编辑：我发现这个正在进行的MR可以解决这个问题