Question

我想应用样本权重，同时使用来自sklearn的管道，该管道应该进行特征转换，例如：多项式，然后应用回归量，例如ExtraTrees。

我在以下两个示例中使用以下软件包：

from sklearn.ensemble import ExtraTreesRegressor
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures

只要我单独转换功能并随后生成并训练模型，一切都运行良好：

#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)

#Feature transformation
poly = PolynomialFeatures(degree=2)
poly.fit_transform(X)

#Model generation and fit
clf = ExtraTreesRegressor(n_estimators=5, max_depth = 3)
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

但是在管道中执行它不起作用：

#Pipeline generation
pipe = Pipeline([('poly2', PolynomialFeatures(degree=2)), ('ExtraTrees', ExtraTreesRegressor(n_estimators=5, max_depth = 3))])

#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)

#Fitting model
clf = pipe
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

我收到以下错误：TypeError：fit（）最多需要3个参数（给定4个）在这个简单的例子中，修改代码没有问题，但是当我想在我的实际代码中对我的真实数据运行几个不同的测试时，能够使用管道和样本权重

Answer 1

在SonarQube documentation文档的**fit_params方法中提到了fit。您必须指定要将参数应用于管道的哪个步骤。您可以按照文档中的命名规则来实现此目的：

为此，它可以使用名称和参数名称设置各个步骤的参数，用“__”分隔，如下例所示。

所有这一切，请尝试将最后一行更改为：

clf.fit(X,Y, **{'ExtraTrees__sample_weight': weights})

Pipeline如何使用管道中的参数。

sklearn管道 - 在管道中应用多项式特征变换后应用样本权重

1 个答案: