python - 所有中间步骤都应该是更改器(mutator)并实现拟合和变换

我正在使用重要的特征选择来实现一个管道，然后使用相同的特征来训练我的随机森林分类器。以下是我的代码。

m = ExtraTreesClassifier(n_estimators = 10)
m.fit(train_cv_x,train_cv_y)
sel = SelectFromModel(m, prefit=True)
X_new = sel.transform(train_cv_x)
clf = RandomForestClassifier(5000)

model = Pipeline([('m', m),('sel', sel),('X_new', X_new),('clf', clf),])
params = {'clf__max_features': ['auto', 'sqrt', 'log2']}

gs = GridSearchCV(model, params)
gs.fit(train_cv_x,train_cv_y)

所以 X_new 是通过 SelectFromModel 和 sel.transform 选择的新特征。然后我想使用所选的新功能训练我的 RF。

我收到以下错误:

最佳答案

就像回溯所说的那样:管道中的每一步都需要有一个 fit() 和 transform() 方法(除了最后一个，它只需要 fit() 。这是因为管道将每一步的数据转换链接在一起。
sel.transform(train_cv_x) 不是估算器，不符合此标准。

事实上，根据您尝试执行的操作，您可以省略此步骤。在内部，('sel', sel) 已经进行了这种转换——这就是它包含在管道中的原因。

其次，ExtraTreesClassifier(管道中的第一步)也没有 transform() 方法。您可以在类文档字符串中验证 here 。并非为转换数据而建立了监督学习模型。它们是为了适应它并基于它进行预测而设计的。

什么类型的类能够进行转换？

扩展数据的那些。见 preprocessing and normalization 。

转换您的数据的那些(以上述方式以外的其他方式)。 Decomposition 和其他无监督学习方法可以做到这一点。

无需过多地阅读您在这里尝试做的事情，这对您有用:

首先使用 train_test_split 拆分 x 和 y。由此产生的测试数据集用于最终测试，GridSearchCV 交叉验证中的训练数据集将进一步分解为更小的训练集和验证集。

构建一个满足您的回溯试图告诉您的信息的管道。

将该管道传递给 GridSearchCV ， .fit() 在 X_train/y_train 上进行网格搜索，然后在 X_test/y_test 上对其进行 .score()。

粗略地说，这看起来像这样:

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.33, random_state=444)

sel = SelectFromModel(ExtraTreesClassifier(n_estimators=10, random_state=444),
                      threshold='mean')
clf = RandomForestClassifier(n_estimators=5000, random_state=444)

model = Pipeline([('sel', sel), ('clf', clf)])
params = {'clf__max_features': ['auto', 'sqrt', 'log2']}

gs = GridSearchCV(model, params)
gs.fit(X_train, y_train)

# How well do your hyperparameter optimizations generalize
# to unseen test data?
gs.score(X_test, y_test)

进一步阅读的两个例子:

Pipelining: chaining a PCA and a logistic regression

Sample pipeline for text feature extraction and evaluation

关于python - 所有中间步骤都应该是更改器(mutator)并实现拟合和变换，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48758383/