GridSearchCV与StackingClassifier相结合
GridSearchCV与StackingClassifier相结合
提问于 2020-05-10 12:22:36
我想使用StackingClassifier组合一些分类器，然后使用GridSearchCV优化参数：
clf1 = RandomForestClassifier()
clf2 = LogisticRegression()
dt = DecisionTreeClassifier()
sclf = StackingClassifier(estimators=[clf1, clf2],final_estimator=dt)
params = {'randomforestclassifier__n_estimators': [10, 50],
'logisticregression__C': [1,2,3]}
grid = GridSearchCV(estimator=sclf, param_grid=params, cv=5)
grid.fit(x, y)但事实证明这是个错误：
'RandomForestClassifier' object has no attribute 'estimators_'我用过n_estimators。为什么它警告我没有estimators_
通常，GridSearchCV应用于单个模型，因此我只需要在dict中写出单个模型的参数名称。
我指的是这个页面https://groups.google.com/d/topic/mlxtend/5GhZNwgmtSg，但它使用的是早期版本的参数。即使我更改了新的参数，它也不起作用。
顺便说一句，我在哪里可以了解这些对角线命名规则的细节？
Stack Overflow用户
回答已采纳
发布于 2020-05-10 13:03:26
首先，estimators需要是一个包含元组中的模型的list，其中包含相应的指定的名称。
estimators = [('model1', model()), # model() named model1 by myself
('model2', model2())] # model2() named model2 by myself接下来，您需要使用出现在sclf.get_params()中的名称。而且，名称与bove estimators列表中给出的特定模型的名称相同。因此，对于您需要的model1参数，这里：
params = {'model1__n_estimators': [5,10]} # model1__SOME_PARAM 工作玩具示例：
from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import StackingClassifier
from sklearn.model_selection import GridSearchCV
X, y = make_classification(n_samples=1000, n_features=4,
n_informative=2, n_redundant=0,
random_state=0, shuffle=False)
estimators = [('rf', RandomForestClassifier(n_estimators=10, random_state=42)),
('logreg', LogisticRegression())]
sclf = StackingClassifier(estimators= estimators , final_estimator=DecisionTreeClassifier())
params = {'rf__n_estimators': [5,10]}
grid = GridSearchCV(estimator=sclf, param_grid=params, cv=5)
grid.fit(X, y)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61711896
复制相关文章
相似问题
腾讯云开发者
