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。
答案 0 :(得分:0)
“ 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)]