我正在尝试使用GridSearchCV和Pipeline构建一个多输出模型。 Pipeline给我带来了麻烦,因为标准分类器示例没有包含分类器的OneVsRestClassifier()。我使用scikit-learn 0.18和python 3.5
## Pipeline: Train and Predict
## SGD: support vector machine (SVM) with gradient descent
from sklearn.multiclass import OneVsRestClassifier
from sklearn.pipeline import Pipeline
from sklearn.linear_model import SGDClassifier
clf = Pipeline([
('vect', CountVectorizer(ngram_range=(1,3), max_df=0.50 ) ),
('tfidf', TfidfTransformer() ),
('clf', SGDClassifier(loss='modified_huber', penalty='elasticnet',
alpha=1e-4, n_iter=5, random_state=42,
shuffle=True, n_jobs=-1) ),
])
ovr_clf = OneVsRestClassifier(clf )
from sklearn.model_selection import GridSearchCV
parameters = {'vect__ngram_range': [(1,1), (1,3)],
'tfidf__norm': ('l1', 'l2', None),
'estimator__loss': ('modified_huber', 'hinge',),
}
gs_clf = GridSearchCV(estimator=pipeline, param_grid=parameters,
scoring='f1_weighted', n_jobs=-1, verbose=1)
gs_clf = gs_clf.fit(X_train, y_train)
但这会产生错误: ....
ValueError:估算器的参数估算器无效 管道(步骤= [(' vect',CountVectorizer(analyzer =' word', binary = False,decode_error =' strict', dtype =,encoding =' utf-8',input =' content', lowercase = True,max_df = 0.5,max_features = None,min_df = 1, ngram_range =(1,3),预处理器=无,stop_words =无, strip ... er_t = 0.5,random_state = 42,shuffle = True, verbose = 0,warm_start = False), n_jobs = -1))])。使用
estimator.get_params().keys()
检查可用参数列表。
那么使用param_grid和Pipeline通过OneVsRestClassifier将参数传递给clf的正确方法是什么?我是否需要将矢量化器和tdidf与管道中的分类器分开?
答案 0 :(得分:12)
将OneVsRestClassifier()作为管道本身的一步,并将SGDClassifier作为OneVsRestClassifier的估算器。 你可以这样。
pipeline = Pipeline([
('vect', CountVectorizer(ngram_range=(1,3), max_df=0.50 ) ),
('tfidf', TfidfTransformer() ),
('clf', OneVsRestClassifier(SGDClassifier(loss='modified_huber', penalty='elasticnet',
alpha=1e-4, n_iter=5, random_state=42,
shuffle=True, n_jobs=-1) )),
])
其余代码可以保持不变。 OneVsRestClassifier充当其他估算器的包装器。