TypeError：估计器应该是实现“适合”方法的估计器[关闭]答案

【问题标题】：TypeError: estimator should be an estimator implementing 'fit' method [closed]TypeError：估计器应该是实现“适合”方法的估计器[关闭]
【发布时间】：2022-01-11 05:27:39
【问题描述】：

我从 Stepik 解决问题：

一棵树是好的，但哪里能保证它是最好的，或者至少接近它？找到或多或少最优的方法之一一组树参数是迭代一组树不同的参数并选择合适的参数。以此目的，有一个 GridSearchCV 类迭代每个为模型、火车指定的参数组合它在数据上并执行交叉验证。之后，模型具有最佳参数的存储在 .best_estimator_ 属性中。现在的任务是遍历 iris 数据上的所有树根据以下参数：最大深度 - 从 1 到 10 用于分离的最小样本数量为 2 到 10 每张纸的最小样本数量 - 从 1 到 10 并存储最好的变量 best_tree 中的树。使用 GridSearchCV 命名变量搜索。这是我的解决方案：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris


iris = load_iris()
X = iris.data
y = iris.target

parameters = {'max_depth': range(1, 10), 'min_samples_split': range(2, 10), 'min_samples_leaf': range(1, 10)}
search = GridSearchCV(iris, parameters)

search.fit(X, y)

best_tree = search.estimator

为什么会出现这个错误？：

Traceback (most recent call last):
  File "jailed_code", line 22, in <module>
    search.fit(X, y)
  File "/home/stepic/instances/master-plugins/sandbox/python3/lib/python3.6/site-packages/sklearn/model_selection/_search.py", line 595, in fit
    self.estimator, scoring=self.scoring)
  File "/home/stepic/instances/master-plugins/sandbox/python3/lib/python3.6/site-packages/sklearn/metrics/scorer.py", line 342, in _check_multimetric_scoring
    scorers = {"score": check_scoring(estimator, scoring=scoring)}
  File "/home/stepic/instances/master-plugins/sandbox/python3/lib/python3.6/site-packages/sklearn/metrics/scorer.py", line 274, in check_scoring
    "'fit' method, %r was passed" % estimator)
TypeError: estimator should be an estimator implementing 'fit' method, {'data': array([[5.1, 3.5, 1.4, 0.2],
       [4.9, 3. , 1.4, 0.2],
       [4.7, 3.2, 1.3, 0.2],
       [4.6, 3.1, 1.5, 0.2],
       [5. , 3.6, 1.4, 0.2],
       [5.4, 3.9, 1.7, 0.4],
       [4.6, 3.4, 1.4, 0.3],
       [5. , 3.4, 1.5, 0.2],
       ...

【问题讨论】：

GridSearchCV(iris, ...) 处的错字。您需要放置一个估算器（即DecisionTreeClassifier）而不是数据本身（iris）

标签： python pandas scikit-learn

【解决方案1】：

您传递了数据集而不是估算器。如果你还没有，看看这个 https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

这应该可以工作

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

parameters = {'max_depth': range(1, 10), 'min_samples_split': range(2, 10), 'min_samples_leaf': range(1, 10)}
search = GridSearchCV(estimator=DecisionTreeClassifier(),
                      param_grid=parameters)

search.fit(X, y)

search.cv_results_

【讨论】：

【解决方案2】：

您已将任何估算器传递给您的 GridSearchCV 函数。您必须将要适合 GridSearCV 的估计器的实例传递给 GridSearCV，但是您只是传递了不是估计器的 iris

【讨论】：