SKLEARN // 将 GridsearchCV 与列变换和管道相结合

Question

我正在努力完成一个机器学习项目，我正在尝试将其结合起来：

• sklearn 列变换，可将不同的变换器应用于我的数值和分类特征
• 应用我的不同转换器和估算器的管道
• GridSearchCV 搜索最佳参数。

只要我在管道中手动填写不同转换器的参数，代码就可以完美运行。 但是，一旦我尝试传递不同值的列表以在我的网格搜索参数中进行比较，我就会收到各种无效参数错误消息。

这是我的代码：

首先我将我的特征分为数值型和分类型

from sklearn.compose import make_column_selector
from sklearn.pipeline import make_pipeline
from sklearn.model_selection import GridSearchCV
from sklearn.impute import KNNImputer
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder


numerical_features=make_column_selector(dtype_include=np.number)
cat_features=make_column_selector(dtype_exclude=np.number)

然后我为数值和分类特征创建了 2 个不同的预处理管道：

numerical_pipeline= make_pipeline(KNNImputer())
cat_pipeline=make_pipeline(SimpleImputer(strategy='most_frequent'),OneHotEncoder(handle_unknown='ignore'))

我将两者合并到另一个管道中，设置我的参数，然后运行我的GridSearchCV 代码

model=make_pipeline(preprocessor, LinearRegression() )

params={
    'columntransformer__numerical_pipeline__knnimputer__n_neighbors':[1,2,3,4,5,6,7]
}

grid=GridSearchCV(model, param_grid=params,scoring = 'r2',cv=10)
cv = KFold(n_splits=5)
all_accuracies = cross_val_score(grid, X, y, cv=cv,scoring='r2')

我尝试了不同的方法来声明参数，但从未找到合适的方法。我总是收到“无效参数”错误消息。

您能帮我了解一下出了什么问题吗？

非常感谢您的支持，请保重！

Answer 1

我假设您可能已将preprocessor 定义为以下内容，

preprocessor = Pipeline([('numerical_pipeline',numerical_pipeline),
                        ('cat_pipeline', cat_pipeline)])

然后你需要改变你的参数名称如下：

pipeline__numerical_pipeline__knnimputer__n_neighbors

但是，代码还有其他几个问题：

1. 您不必在执行GridSearchCV 后调用cross_val_score。 GridSearchCV 本身的输出将具有每个超参数组合的交叉验证结果。

2. KNNImputer 在您的数据包含字符串数据时不起作用。您需要在num_pipeline 之前申请cat_pipeline。

完整示例：

from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.compose import make_column_transformer
from sklearn.compose import make_column_selector
import pandas as pd  # doctest: +SKIP
X = pd.DataFrame({'city': ['London', 'London', 'Paris', np.nan],
                  'rating': [5, 3, 4, 5]})  # doctest: +SKIP

y = [1,0,1,1]

from sklearn.compose import make_column_selector
from sklearn.pipeline import make_pipeline, Pipeline
from sklearn.model_selection import GridSearchCV
from sklearn.impute import KNNImputer
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score, KFold
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder


numerical_features=make_column_selector(dtype_include=np.number)
cat_features=make_column_selector(dtype_exclude=np.number)

numerical_pipeline= make_pipeline(KNNImputer())
cat_pipeline=make_pipeline(SimpleImputer(strategy='most_frequent'),
                            OneHotEncoder(handle_unknown='ignore', sparse=False))
preprocessor = Pipeline([('cat_pipeline', cat_pipeline),
                        ('numerical_pipeline',numerical_pipeline)])
model=make_pipeline(preprocessor, LinearRegression() )

params={
    'pipeline__numerical_pipeline__knnimputer__n_neighbors':[1,2]
}


grid=GridSearchCV(model, param_grid=params,scoring = 'r2',cv=2)

grid.fit(X, y)