首页 文章

管道对象上的超参数调整

提问于
浏览 次
-1

我有这条管道，

pl = Pipeline([
    ('union', FeatureUnion(
        transformer_list = [
            ('numeric_features', Pipeline([
                ("selector", get_numeric_data),
        ])),
            ('text_features', Pipeline([
                ("selector",get_text_data),
                ("vectorizer", HashingVectorizer(token_pattern=TOKENS_ALPHANUMERIC,non_negative=True, norm=None, binary=False, ngram_range=(1,2))),
                ('dim_red', SelectKBest(chi2, chi_k))
            ]))
         ])), ("clf",LogisticRegression())
    ])

当我尝试做的时候

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
c_space = np.logspace(-5, 8, 15)
param_grid = {"C": c_space,"penalty": ['l1', 'l2']}
logreg_cv = GridSearchCV(pl,param_grid=param_grid,cv=5)
logreg_cv.fit(X_train,y_train)

它抛出了我

ValueError：估算器管道的参数代价无效（内存=无，步数= [（'union'，FeatureUnion（n_jobs = 1，transformer_list = [（'numeric_features'，管道（内存=无，步数= [（'选择器'， FunctionTransformer（accept_sparse = False，func = at 0x00000190ECB49488>，inv_kw_args = None，inverse_func = None，kw_args = None，pass_y = ... ty ='l2'，random_state = None，solver ='liblinear'，tol = 0.0001，verbose = 0，warm_start = False））]） . 使用estimator.get_params（） . keys（）检查可用参数列表 .

虽然“C”和“惩罚”在这种情况下是合法的参数 . 请帮我锄头去做吧 .

scikit-learn pipeline grid-search

1 回答

  • 0

    “C”和“惩罚”是LogisticRegression的合法参数，而不是您发送给GridSearchCV的Pipeline对象 .

    您的管道当前有两个组件， "union" 和 "clf" . 现在管道不知道发送参数的哪个部分 . 您需要在params中附加管道中使用的这些名称，以便它可以识别它们并将它们发送到正确的对象 .

    做这个：

    param_grid = {"clf__C": c_space,"clf__penalty": ['l1', 'l2']}

    请注意，管道中的对象名称和参数之间有两个下划线 .

    它在Pipeline and FeatureUnion here的文档中提到：

    可以使用__语法访问管道中估计器的参数

    用各种例子来说明用法 .

    在此之后，如果你想改变HashingVectorizer的 ngram_range ，你会这样做：

    "union__text_features__vectorizer__ngram_range" : [(1,3)]
    回复于

相关问题