在 jupyter notebook 中运行时出错

Question

错误

估计器决策树分类器的参数 C 无效（class_weight=None，criterion='gini'，max_depth=None，max_features=None，max_leaf_nodes=None，min_impurity_decrease=0.0，min_impurity_sort=None，min_samples_leaf=1，min_samples_weight_split=2， =False，random_state=None，splitter='best'）。 使用estimator.get_params().keys()检查可用参数列表。

代码

def train(X_train,y_train,X_test):
    # Scaling features
    X_train=preprocessing.scale(X_train)
    X_test=preprocessing.scale(X_test)

    Cs = 10.0 ** np.arange(-2,3,.5)
    gammas = 10.0 ** np.arange(-2,3,.5)
    param = [{'gamma': gammas, 'C': Cs}]
    skf = StratifiedKFold(n_splits=5)
    skf.get_n_splits(X_train, y_train)
    cvk = skf
    classifier = DecisionTreeClassifier()
    clf = GridSearchCV(classifier,param_grid=param,cv=cvk)
    clf.fit(X_train,y_train)
    print("The best classifier is: ",clf.best_estimator_)
    clf.best_estimator_.fit(X_train,y_train)
    # Estimate score
    scores = model_selection.cross_val_score(clf.best_estimator_, X_train,y_train, cv=5)
    print (scores)
    print('Estimated score: %0.5f (+/- %0.5f)' % (scores.mean(), scores.std() / 2))
    title = 'Learning Curves (SVM, rbf kernel, $\gamma=%.6f$)' %clf.best_estimator_.gamma
    plot_learning_curve(clf.best_estimator_, title, X_train, y_train, cv=5)
    plt.show()
    # Predict class
    y_pred = clf.best_estimator_.predict(X_test)
    return y_test,y_pred

Answer 1

看起来您正在使 param成为一个内部有单个字典的数组。 param需要只是一个字典：

编辑：进一步研究这一点，正如@DzDev 所提到的，传递包含单个字典的数组也是传递参数的有效方法。

您的问题似乎是您混合了两种不同类型估计量的概念。 您正在传递svm.SVC的参数，但正在发送DecisionTreeClassifier估计器。 所以事实证明错误正如它所说的那样， 'C'不是一个有效的参数。 您应该更新为使用svm.SVC估计器或更新您的参数以使其对DecisionTreeClassifier正确。