用于 RandomOversampler、RandomForestClassifier 和 GridSearchCV 的管道答案

【问题标题】：pipeline for RandomOversampler, RandomForestClassifier & GridSearchCV用于 RandomOversampler、RandomForestClassifier 和 GridSearchCV 的管道
【发布时间】：2018-07-05 19:09:27
【问题描述】：

我正在研究一个文本二进制分类问题。由于这些类高度不平衡，我必须采用 RandomOversampler() 之类的采样技术。然后对于分类，我将使用 RandomForestClassifier ()，其参数需要使用 GridSearchCV() 进行调整。我正在尝试创建一个管道来按顺序执行这些操作，但到目前为止失败了。它抛出“无效参数”。

param_grid = {
             'n_estimators': [5, 10, 15, 20],
             'max_depth': [2, 5, 7, 9]
         }
grid_pipe = make_pipeline(RandomOverSampler(),RandomForestClassifier())
grid_searcher = GridSearchCV(grid_pipe,param_grid,cv=10)
grid_searcher.fit(tfidf_train[predictors],tfidf_train[target])

【问题讨论】：

标签： python scikit-learn random-forest grid-search oversampling

【解决方案1】：

感谢 A2A。理想情况下，参数定义如下：

为要应用于数据的转换器创建管道

pipeline = make_pipeline([('variable initialization 1',transformers1()),('variable initialization 2',transformers2()),]

注意：不要忘记在结束方括号之前用'，'结束管道

eg:pipeline = make_pipeline([('random_over_sampler',RandomOverSampler()),('RandomForestClassifier', RandomForestClassifier()),]

创建参数网格

param_grid = {'transformations/algorithm'__'parameter_in_transformations/algorithm':[parameters]}

eg: param_grid = {RandomOverSampler__sampling_strategy:['auto']}

【讨论】：

【解决方案2】：

您在params 中定义的参数用于RandomForestClassifier，但在gridSearchCV 中，您没有传递RandomForestClassifier 对象。

您正在传递一个管道对象，您必须为其重命名参数以访问内部 RandomForestClassifier 对象。

将它们更改为：

param_grid = {
             'randomforestclassifier__n_estimators': [5, 10, 15, 20],
             'randomforestclassifier__max_depth': [2, 5, 7, 9]
             }

它会起作用的。

【讨论】：