Question

我正在尝试为带有很多参数的sklearn定制估计器。据我了解，我应该做这样的事情：

    class MyEstim(BaseEstimator):

     def __init__(self, param1, param2):
      super().__init__()

     self.param1 = param1
     self.param2 = param2
     ...

但是如果我有几十个或几百个参数，我不确定该怎么做。构建参数-有效值列表不是问题，但是我不明白将这个列表传递给估计器以使其在sklearn中工作会更好。

类似这样的东西对我不起作用：

         def __init__(self, **kwargs):
          super().__init__()
          # init params from kwargs

因为据我所知，sklearn代码中有一些约定，所以它只能初始化__init___函数中显式定义的参数。

Answer 1

只要您的**kwargs和get_params方法可以正常工作，就可以使用set_params。

示例：

（摘自我创作的blog post）


class LoggingEstimator(BaseEstimator):
    def __init__(self, est_class=LinearRegression, **kwargs):

        self.est_class = est_class

        # kwargs depend on the model used, so assign them whatever they are
        for key, value in kwargs.items():
            setattr(self, key, value)

        self._param_names = ['est_class'] + list(kwargs.keys())

    def get_params(self, deep=True):
        # Note: we are ignoring the deep parameter
        # this will not work with estimators that have sub-estimators
        # see https://scikit-learn.org/stable/developers/develop.html#get-params-and-set-params
        return {param: getattr(self, param)
                for param in self._param_names}

    def set_params(self, **parameters):
        for parameter, value in parameters.items():
            setattr(self, parameter, value)

        return self

带有许多参数的sklearn的自定义估算器

1 个答案: