Question

我正在尝试建立自己的估算器（回归器）并将其用于估算（KnnImputation）。使用网格搜索“ GridSearchCV”时出现问题。有什么问题吗？

我的代码：

class KnnImputation(BaseEstimator, RegressorMixin):

    def __init__(self, k=5, distance='euclidean'):
        self.k = k
        self.distance = distance

    def get_params(self, deep=False):
        return {'k': self.k, 'distance': self.distance}

    def set_params(self, **parameters):
        self.k = parameters['k']
        self.distance = parameters['distance']

    def fit(self, X, y):

        self.xTrain = X.values
        self.yTrain = y.values

        return self

    def predict(self, X):
        ........

        return yPred

# scorer:
scorer = make_scorer(mean_squared_error)

kf = KFold(n_splits=10, shuffle=False, random_state=23)
NN = KnnImputation()
gridSearchNN = GridSearchCV(NN, param_grid=params, scoring=scorer, n_jobs=1,
                            cv=kf.split(xTrain, yTrain), verbose=1)
gridSearchNN.fit(X=xTrain, y=yTrain)

我的错误：

....
  File "C:\Users\...........\dataImputation.py", line 85, in knnImputationMethod
    gridSearchNN.fit(X=xTrain, y=yTrain)
  File "C:\Users\.....\Anaconda3\lib\site-packages\sklearn\model_selection\_search.py", line 740, in fit
    self.best_estimator_.fit(X, y, **fit_params)
AttributeError: 'NoneType' object has no attribute 'fit'

Answer 1

在sklearn中的sklearn.model_selection._search源代码中，我们在fit方法中包含以下代码：

if self.refit:
    self.best_estimator_ = clone(base_estimator).set_params(
        **self.best_params_)
    refit_start_time = time.time()
    if y is not None:
        self.best_estimator_.fit(X, y, **fit_params)

重要的是一行：

self.best_estimator_ = clone(base_estimator).set_params(**self.best_params_)

由base_estimator对象组成的克隆，这只是您的KNNImputation类。然后，在该克隆的估算器上调用实例方法set_params()。然后，变量self.best_estimator指向set_params()的返回值。

在您提供的代码中，set_params()方法没有return语句，因此它返回None。因此，对self.best_estimator_.fit()的调用等效于None.fit()，这显然不起作用。您需要通过在self函数中返回set_params()来启用方法链接。

在python中使用sklearn自己的估计器进行网格搜索CV

1 个答案: