Question

我想创建一个使用两个Regressor（这里是Ridge和RandomForestRegressor）的Residual类，我希望能够将此类提供给GridSearchCV，但是设置这两个Regressor的参数对我来说是个问题。我试图将这些参数设置为残差类的默认参数，以便能够使用它们，但它不起作用。

我尝试使用self.parameter等。此外，如果我在类中设置参数（直接给它们提供数字）也很好

class Residual(base.BaseEstimator, base.RegressorMixin):

    def __init__(self, alpha_ = 5, max_depth_ = 10, n_estimators_ = 10):
        self.base = Ridge(alpha = alpha_)
        self.residual = RandomForestRegressor(max_depth = max_depth_, n_estimators = n_estimators_)

    def fit(self, X, y=None):
        self.base = self.base.fit(X, y)
        self.residual = self.residual.fit(X, np.array(y) - np.array(self.base.predict(X)))
        return self

    def predict(self, X):
        return np.array(self.base.predict(X))+np.array(self.residual.predict(X))


pipline = Pipeline([('CST', ColumnSelectTransformer(['attributes'])),
                          ('DF', DictFlatter()),
                         ('DV', DictVectorizer(sparse = False)),
                         ('res', Residual())])
param_grid = [{'res__alpha_': [.001, .005, .01, .05, .1],{'res__n_estimators_': [200],'res__max_depth_': [10]}]
GSCV = GridSearchCV(pipline, param_grid, cv = 10)
GSCV.fit(data, star_ratings)

我得到的是一个错误告诉我：

ValueError: array must not contain infs or NaNs

如果我执行以下操作，一切都很好：

class Residual(base.BaseEstimator, base.TransformerMixin, base.RegressorMixin):

    def __init__(self, alpha_ = .01, max_depth_ = 10, n_estimators_ = 150):
        self.base = Ridge(.01)
        self.residual = RandomForestRegressor(max_depth = 10, n_estimators = 150)

    def fit(self, X, y=None):
        self.base = self.base.fit(X, y)
        self.residual = self.residual.fit(X, np.array(y) - np.array(self.base.predict(X)))
        return self

    def predict(self, X):
        return np.array(self.base.predict(X))+np.array(self.residual.predict(X))

通过另一个参数来设置类参数

0 个答案: