为什么我无法使用 clf(**params) 解压 sklearn 模型的参数？答案

【问题标题】：Why I can't unpack the parameters for sklearn model using clf(**params)?为什么我无法使用 clf(**params) 解压 sklearn 模型的参数？
【发布时间】：2019-11-30 13:02:33
【问题描述】：

我只是想写一个类来帮助我创建对象。每个对象都是一个机器学习模型（例如：XGBoostRegressor、RandomForestRegressor、...）但是，当我使用 (**params) 时，会出现“RandomForestRegressor”对象不可调用的错误

我已经尝试查找它，但似乎是我的问题）：

class SklearnExtra(object):
    def __init__(self, clf, seed = 0, params = None):
        params['random_state'] = seed
        self.clf = clf(**params)

    def train(self, x, y):
        self.clf.fit(x, y)

    def predict(self, x):
        return self.clf.predict(x)

    def fit(self, x, y):
        return self.clf.fit(x,y)

    def feature_importances(self, x, y):
        clf2 = self.clf.fit(x,y)
        return (clf2.feature_importances_)

rf_params = {'n_estimators': 1000, 'n_jobs': -1, 'warm_start': True, 'max_features':2}
Seed = 26121997
rf = SklearnExtra(clf = RandomForestRegressor(), seed = Seed, params = rf_params)

错误提示“RandomForestRegressor”对象不可调用

【问题讨论】：

嘿，你能把你的整个traceback发上来吗？这样调试起来更容易。

标签： python scikit-learn random-forest

【解决方案1】：

clf = RandomForestRegressor() 将 clf 分配给类 RandomForestRegressor 的实例，而不是将其分配给类本身。然后程序在 self.clf = clf(**params) 上失败，因为您试图从实例实例化和对象，这是不可能的。

为了解决问题，只需将RandomForestRegressor 类传递给不带括号的clf 参数即可：

rf = SklearnExtra(clf = RandomForestRegressor, seed = Seed, params = rf_params)

【讨论】：