Question

我尝试在DecisionTreeClassifier上使用GridSearchCV，但是收到以下错误： TypeError：unbound方法get_params（）必须使用DecisionTreeClassifier实例作为第一个参数调用（没有任何替代）

这是我的代码：

from sklearn.tree import DecisionTreeClassifier, export_graphviz
from sklearn.grid_search import GridSearchCV
from sklearn.cross_validation import  cross_val_score

X, Y = createDataSet(filename)
tree_para = {'criterion':['gini','entropy'],'max_depth':[4,5,6,7,8,9,10,11,12,15,20,30,40,50,70,90,120,150]}
clf = GridSearchCV(DecisionTreeClassifier, tree_para, cv=5)
clf.fit(X, Y)

Answer 1

在调用GridSearchCV方法时，第一个参数应该是DecisionTreeClassifier的实例化对象，而不是类的名称。它应该是

clf = GridSearchCV(DecisionTreeClassifier(), tree_para, cv=5)

查看示例here以获取更多详细信息。

希望有所帮助！

Answer 2

您需要在分类器前面添加一个（）：

clf = GridSearchCV(DecisionTreeClassifier(), tree_para, cv=5)

Answer 3

如果问题仍然存在，请尝试替换：

from sklearn.grid_search import GridSearchCV

带

from sklearn.model_selection import GridSearchCV

这听起来很愚蠢，但我遇到了类似的问题，我设法用这个技巧解决了这些问题。

Answer 4

这是决策树网格搜索的代码

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV

def dtree_grid_search(X,y,nfolds):
    #create a dictionary of all values we want to test
    param_grid = { 'criterion':['gini','entropy'],'max_depth': np.arange(3, 15)}
    # decision tree model
    dtree_model=DecisionTreeClassifier()
    #use gridsearch to test all values
    dtree_gscv = GridSearchCV(dtree_model, param_grid, cv=nfolds)
    #fit model to data
    dtree_gscv.fit(X, y)
    return dtree_gscv.best_params_

Answer 5

关于参数的另一方面是可以使用不同的参数组合运行网格搜索。下面提到的参数将检查criterion与max_depth

的不同组合

tree_param = {'criterion':['gini','entropy'],'max_depth':[4,5,6,7,8,9,10,11,12,15,20,30,40,50,70,90,120,150]}

如果需要，可以在多组候选参数上运行网格搜索：

例如：

tree_param = [{'criterion': ['entropy', 'gini'], 'max_depth': max_depth_range},
              {'min_samples_leaf': min_samples_leaf_range}]

在这种情况下，网格搜索将在两组参数上运行，第一组使用criterion和max_depth的每种组合，第二组仅针对所有提供的min_samples_leaf的值

在DecisionTreeClassifier上使用GridSearchCV进行Scikit-learn

5 个答案: