我正在构建多个分类器的网格搜索，并希望通过交叉验证使用递归功能消除。我开始使用Recursive feature elimination and grid search using scikit-learn中提供的代码。以下是我的工作代码：
param_grid = [{'C': 0.001}, {'C': 0.01}, {'C': .1}, {'C': 1.0}, {'C': 10.0},
{'C': 100.0}, {'fit_intercept': True}, {'fit_intercept': False},
{'penalty': 'l1'}, {'penalty': 'l2'}]
estimator = LogisticRegression()
selector = RFECV(estimator, step=1, cv=5, scoring="roc_auc")
clf = grid_search.GridSearchCV(selector, {"estimator_params": param_grid},
cv=5, n_jobs=-1)
clf.fit(X,y)
print clf.best_estimator_.estimator_
print clf.best_estimator_.ranking_
print clf.best_estimator_.score(X, y)
我收到了DeprecationWarning，因为看起来“estimator_params”参数在0.18中被删除了;我想弄清楚在第4行使用的正确语法。
试...
param_grid = [{'C': 0.001}, {'C': 0.01}, {'C': .1}, {'C': 1.0}, {'C': 10.0},
{'C': 100.0}, {'fit_intercept': True}, {'fit_intercept': False},
{'fit_intercept': 'l1'}, {'fit_intercept': 'l2'}]
clf = grid_search.GridSearchCV(selector, param_grid,
cv=5, n_jobs=-1)
返回ValueError：参数值应为列表。和...
param_grid = {"penalty": ["l1","l2"],
"C": [.001,.01,.1,1,10,100],
"fit_intercept": [True, False]}
clf = grid_search.GridSearchCV(selector, param_grid,
cv=5, n_jobs=-1)
返回ValueError：估算器RFECV的参数代价无效。使用estimator.get_params().keys()检查可用参数列表。检查键显示所有3个“C”，“fit_intercept”和“penalty”作为参数键。尝试...
param_grid = {"estimator__C": [.001,.01,.1,1,10,100],
"estimator__fit_intercept": [True, False],
"estimator__penalty": ["l1","l2"]}
clf = grid_search.GridSearchCV(selector, param_grid,
cv=5, n_jobs=-1)
永远不会完成执行，所以我猜测不支持这种类型的参数赋值。
至于现在我设置忽略警告但我想用0.18的适当语法更新代码。任何帮助将不胜感激！
答案 0 :(得分：0)
回答之前在SO上发布的问题：https://stackoverflow.com/a/35560648/5336341。感谢Paulo Alves获得答案。
相关代码：
params = {'estimator__max_depth': [1, 5, None],
'estimator__class_weight': ['balanced', None]}
estimator = DecisionTreeClassifier()
selector = RFECV(estimator, step=1, cv=3, scoring='accuracy')
clf = GridSearchCV(selector, params, cv=3)
clf.fit(X_train, y_train)
clf.best_estimator_.estimator_
要了解更多信息，请使用：
print(selector.get_params())