TypeError：__ init __（）为参数'n_splits'

Question

我正在使用以下版本的SKLearn（0.20.2）：

from sklearn.model_selection import StratifiedKFold


grid = GridSearchCV(
    pipeline,  # pipeline from above
    params,  # parameters to tune via cross validation
    refit=True,  # fit using all available data at the end, on the best found param combination
    scoring='accuracy',  # what score are we optimizing?
    cv=StratifiedKFold(label_train, n_splits=5),  # what type of cross validation to use
)

但是我不明白为什么会出现此错误：

---

TypeError                                 Traceback (most recent call last)
<ipython-input-26-03a56044cb82> in <module>()
     10     refit=True,  # fit using all available data at the end, on the best found param combination
     11     scoring='accuracy',  # what score are we optimizing?
---> 12     cv=StratifiedKFold(label_train, n_splits=5),  # what type of cross validation to use
     13 )

TypeError: __init__() got multiple values for argument 'n_splits'

我已经尝试过n_fold，但出现了相同的错误结果。并且也厌倦了更新我的scikit版本和我的conda。有解决这个问题的主意吗？非常感谢！

Answer 1

StratifiedKFold初始化时仅接受3个参数，都不是训练数据：

StratifiedKFold(n_splits=’warn’, shuffle=False, random_state=None)

因此，当您致电StratifiedKFold(label_train, n_splits=5)时，它认为您两次通过了n_splits。

相反，创建对象，然后使用sklearn docs页面上的示例中所述的方法使用对象拆分数据：

  

get_n_splits（[X，y，groups]）返回分割数   交叉验证程序中的迭代split（X，y [，groups]）生成   索引，将数据分为训练和测试集。

Answer 2

StratifiedKFold接受三个参数，但是您要传递两个参数。在sklearn documentation

中查看更多

创建StratifiedKFold对象，并将其传递给GridSearchCV，如下所示。

    const boost::shared_ptr<Blob<float> > feature_blob = classifier.net_->blob_by_name("ip1");

    int count = feature_blob->channels() * feature_blob->height() * feature_blob->width();
    float* feature_array = new float[count]; 
    const float* feature_blob_data = feature_blob->cpu_data();

    memcpy(feature_array, feature_blob_data, count * sizeof(float));