如何将两个估计器对象传递给 sklearn 的 GridSearchCV，以便它们在每个步骤中具有相同的参数？

Question

我正在尝试使用 SKlearn 的 GridSearchCV 为我的估算器调整超参数。

1. 第一步，估计器用来for是SequentialFeatureSelection，这是一个自定义库，执行wrapper based feature selection。这意味着迭代地添加新特征并确定估计器表现最佳的特征。因此，SequentialFeatureSelection 方法需要我的估算器。该库经过编程，可以完美地与 SKlearn 一起使用，因此我将其集成到 GridSearchCV 管道的第一步中，以将特征转换为选定的特征。

2. 在第二步中，我想使用完全相同的分类器和完全相同的参数来拟合并预测结果。但是对于参数网格，我只能将参数设置为我传递给 SequentialFeatureSelector 的分类器或“clf”中的参数，我不能保证它们总是相同的。

3. 最后，我想在之前的测试集上预测选定的特征和选定的参数。

On the bottom of the page of the SFS library，他们展示了如何将 SFS 与 GridSearchCV 结合使用，但是用于选择特征的 KNN 算法和用于预测的算法也使用不同的参数。当我在 traininf SFS 和 GridSearchCV 之后检查自己时，参数永远不会相同，即使我按照建议使用 clf.clone()。这是我的代码：

import sklearn.pipeline
import sklearn.tree
import sklearn.model_selection
import mlxtend.feature_selection


def sfs(x, y):
    x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, test_size=0.2, random_state=0)

    clf = sklearn.tree.DecisionTreeClassifier()

    param_grid = {
        "sfs__estimator__max_depth": [5]
    }

    sfs = mlxtend.feature_selection.SequentialFeatureSelector(clone_estimator=True,  # Clone like in Tutorial
                                                              estimator=clf,
                                                              k_features=10,
                                                              forward=True,
                                                              floating=False,
                                                              scoring='accuracy',
                                                              cv=3,
                                                              n_jobs=1)

    pipe = sklearn.pipeline.Pipeline([('sfs', sfs), ("clf", clf)])

    gs = sklearn.model_selection.GridSearchCV(estimator=pipe,
                                              param_grid=param_grid,
                                              scoring='accuracy',
                                              n_jobs=1,
                                              cv=3,
                                              refit=True)

    gs = gs.fit(x_train, y_train)

    # Both estimators should have depth 5!
    print("SFS Final Estimator Depth: " + str(gs.best_estimator_.named_steps.sfs.estimator.max_depth))
    print("CLF Final Estimator Depth: " + str(gs.best_estimator_._final_estimator.max_depth))

    # Evaluate...
    y_test_pred = gs.predict(x_test)
    # Accuracy etc...

问题是，我如何确保它们始终在同一管道中设置相同的参数？

谢谢！

Answer 1

我找到了一个解决方案，在其中我覆盖了 SequentialFeatureSelector (SFS) 类的一些方法，以便也使用它的估计器来进行转换后的预测。这是通过引入自定义 SFS 类“CSequentialFeatureSelector”来完成的，该类会覆盖 SFS 中的以下方法：

1. 在fit(self, X, y)方法中，不仅进行了正常的拟合，而且self.estimator也是对变换后的数据进行拟合，这样就可以实现predict和predict_proba SFS 类的方法。

2. 我为 SFS 类实现了 predict 和 predict_probba 方法，它们调用拟合 self.estimator 的 predict 和 predict_probba 方法。

因此，我只剩下一个用于 SFS 和预测的估算器。

以下是部分代码：

import sklearn.pipeline
import sklearn.tree
import sklearn.model_selection
import mlxtend.feature_selection


class CSequentialFeatureSelector(mlxtend.feature_selection.SequentialFeatureSelector):
    def predict(self, X):
        X = self.transform(X)
        return self.estimator.predict(X)

    def predict_proba(self, X):
        X = self.transform(X)
        return self.estimator.predict_proba(X)

    def fit(self, X, y):
        self.fit_helper(X, y) # fit helper is the 'old' fit method, which I copied and renamed to fit_helper
        self.estimator.fit(self.transform(X), y)
        return self


def sfs(x, y):
    x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(x, y, test_size=0.2, random_state=0)

    clf = sklearn.tree.DecisionTreeClassifier()

    param_grid = {
        "sfs__estimator__max_depth": [3, 4, 5]
    }

    sfs = mlxtend.feature_selection.SequentialFeatureSelector(clone_estimator=True,
                                                              estimator=clf,
                                                              k_features=10,
                                                              forward=True,
                                                              floating=False,
                                                              scoring='accuracy',
                                                              cv=3,
                                                              n_jobs=1)

    # Now only one object in the pipeline (in fact this is not even needed anymore)
    pipe = sklearn.pipeline.Pipeline([('sfs', sfs)])

    gs = sklearn.model_selection.GridSearchCV(estimator=pipe,
                                              param_grid=param_grid,
                                              scoring='accuracy',
                                              n_jobs=1,
                                              cv=3,
                                              refit=True)

    gs = gs.fit(x_train, y_train)

    print("SFS Final Estimator Depth: " + str(gs.best_estimator_.named_steps.sfs.estimator.max_depth))

    y_test_pred = gs.predict(x_test)
    # Evaluate performance of y_test_pred