Question

我正在使用流水线PCA和网格搜索来选择超参数，从而拟合随机森林回归模型，但它在某种程度上给了我一个错误。下面是我的代码：

params_rf = {'RandomForestRegressor__n_estimators': [300, 400, 500],
             'RandomForestRegressor__max_depth': [4, 6, 8],
             'RandomForestRegressor__min_samples_leaf': [0.1, 0.2],
             'RandomForestRegressor__max_features': ['log2', 'sqrt']}

pipe = Pipeline([('scaler', StandardScaler()),
                 ('reducer', PCA(n_components=50)),
                  ('regressor',RandomForestRegressor(verbose = 3))])

rf_cv = GridSearchCV(estimator = pipe,
                     param_grid = params_rf,
                     cv =3,
                     verbose=3)

rf_cv.fit(X_train,y_train)

错误消息：

Invalid parameter RandomForestRegressor_max_depth for estimator Pipeline(steps=[('scaler', StandardScaler()), ('reducer', PCA(n_components=50)),
                ('regressor', RandomForestRegressor(verbose=3))]). Check the list of available parameters with `estimator.get_params().keys()`.

我尝试删除'RandomForestRegressor_'前缀，问题仍然存在。而且我很高兴max_depth实际上是RandomForestRegressor

中的超参数

Answer 1

在管道中使用的

RandomForestRegressor已经有一个名称regressor；您应该使用此名称而不是RandomForestRegressor来引用它。将您的params_rf更改为：

params_rf = {'regressor__n_estimators': [300, 400, 500],
             'regressor__max_depth': [4, 6, 8],
             'regressor__min_samples_leaf': [0.1, 0.2],
             'regressor__max_features': ['log2', 'sqrt']}

具有RF，PCA和CV生成错误的管道

1 个答案: