Question

我有这个管道，

pl = Pipeline([
    ('union', FeatureUnion(
        transformer_list = [
            ('numeric_features', Pipeline([
                ("selector", get_numeric_data),
        ])),
            ('text_features', Pipeline([
                ("selector",get_text_data),
                ("vectorizer", HashingVectorizer(token_pattern=TOKENS_ALPHANUMERIC,non_negative=True, norm=None, binary=False, ngram_range=(1,2))),
                ('dim_red', SelectKBest(chi2, chi_k))
            ]))
         ])), ("clf",LogisticRegression())
    ])

当我尝试做

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
c_space = np.logspace(-5, 8, 15)
param_grid = {"C": c_space,"penalty": ['l1', 'l2']}
logreg_cv = GridSearchCV(pl,param_grid=param_grid,cv=5)
logreg_cv.fit(X_train,y_train)

它把我扔了

ValueError：估算器的参数无效管道（内存=无，步骤= [（''工会'，FeatureUnion（n_jobs = 1， transformer_list = [（''numeric_features'，管道（内存=无，步骤= [（'选择器'，FunctionTransformer（accept_sparse = False， func = at 0x00000190ECB49488>，inv_kw_args =无， inverse_func = None，kw_args = None，pass_y = ... ty ='l2'，random_state = None， Solver ='liblinear'，tol = 0.0001， verbose = 0，warm_start = False）））。检查可用参数列表与estimator.get_params().keys()。

尽管在这种情况下，“ C”和“惩罚”合法参数。请帮我忙。

Answer 1

“ C”和“惩罚”是LogisticRegression的合法参数，而不是发送给GridSearchCV的管道对象。

您的管道当前包含两个组件，"union"和"clf"。现在，管道不知道要发送参数的哪一部分。您需要在管道中使用参数附加这些名称，以便它可以识别它们并将它们发送给正确的对象。

执行以下操作：

param_grid = {"clf__C": c_space,"clf__penalty": ['l1', 'l2']}

请注意，管道中对象的名称和参数之间有两个下划线。

它在Pipeline and FeatureUnion here的文档中有所提及：

流水线中的估计量参数可以使用 __语法

通过各种示例来演示用法。

在此之后，如果您要更改HashingVectorizer的ngram_range，则可以执行以下操作：

"union__text_features__vectorizer__ngram_range" : [(1,3)]

管道对象的超参数调整

1 个答案: