Question

是否可以在scikit-learn中调整嵌套管道的参数？ E.g：

svm = Pipeline([
    ('chi2', SelectKBest(chi2)),
    ('cls', LinearSVC(class_weight='auto'))
])

classifier = Pipeline([
    ('vectorizer', TfIdfVectorizer()),
    ('ova_svm', OneVsRestClassifier(svm))
})

parameters = ?

GridSearchCV(classifier, parameters)

如果无法直接执行此操作，可能是一种解决方法？

Answer 1

scikit-learn有一个双重下划线表示法，as exemplified here。它以递归方式工作并延伸到OneVsRestClassifier，但需要注意的是必须将基础估算工具明确地称为__estimator：

parameters = {'ova_svm__estimator__cls__C': [1, 10, 100],
              'ova_svm__estimator__chi2_k': [200, 500, 1000]}

Answer 2

对于您创建的估算工具，您可以按如下方式获取带有标签的参数列表。

import pprint as pp

pp.pprint(sorted(classifier.get_params().keys()))

[＆＃39; ova_svm＆＃39;，＆＃39; ova_svm__estimator＆＃39;，＆＃39; ova_svm__estimator__chi2＆＃39;，＆＃39; ova_svm__estimator__chi2__k＆＃39 ;, ＆＃39; ova_svm__estimator__chi2__score_func＆＃39;，＆＃39; ova_svm__estimator__cls＆＃39;，＆＃39; ova_svm__estimator__cls__C＆＃39 ;, ＆＃39; ova_svm__estimator__cls__class_weight＆＃39 ;, ＆＃39; ova_svm__estimator__cls__dual＆＃39 ;, ＆＃39; ova_svm__estimator__cls__fit_intercept＆＃39 ;, ＆＃39; ova_svm__estimator__cls__intercept_scaling＆＃39 ;, ＆＃39; ova_svm__estimator__cls__loss＆＃39;，＆＃39; ova_svm__estimator__cls__max_iter＆＃39;，＆＃39; ova_svm__estimator__cls__multi_class＆＃39 ;, ＆＃39; ova_svm__estimator__cls__penalty＆＃39 ;, ＆＃39; ova_svm__estimator__cls__random_state＆＃39 ;, ＆＃39; ova_svm__estimator__cls__tol＆＃39;，＆＃39; ova_svm__estimator__cls__verbose＆＃39;，＆＃39; ova_svm__estimator__steps＆＃39;，＆＃39; ova_svm__n_jobs＆＃39;，＆＃39; steps＆＃39;，＆＃39; vectorizer＆＃39;，＆＃39; vectorizer__analyzer＆＃39;，＆＃39; vectorizer__binary＆＃39;，＆＃39; vectorizer__decode_error＆＃39;，＆＃39; vectorizer__dtype＆＃39;，＆＃39; vectorizer__encoding＆＃39;，＆＃39; vectorizer__input＆＃39;，＆＃39; vectorizer__lowercase＆＃39;，＆＃39; vectorizer__max_df＆＃39;，＆＃39; vectorizer__max_features＆＃39;，＆＃39; vectorizer__min_df＆＃39;，＆＃39; vectorizer__ngram_range＆＃39;，＆＃39; vectorizer__norm＆＃39;，＆＃39; vectorizer__preprocessor＆＃39;，＆＃39; vectorizer__smooth_idf＆＃39;，＆＃39; vectorizer__stop_words＆＃39;，＆＃39; vectorizer__strip_accents＆＃39;，＆＃39; vectorizer__sublinear_tf＆＃39;，＆＃39; vectorizer__token_pattern＆＃39;，＆＃39; vectorizer__tokenizer＆＃39;，＆＃39; vectorizer__use_idf＆＃39;，＆＃39; vectorizer__vocabulary＆＃39;]

然后，您可以从此列表中设置要在其上执行GridSearchCV的参数。

如何在scikit-learn中通过GridSearchCV调整嵌套管道的参数？

2 个答案: