使用 Scikit-Learn 在 RegressorChain 上進行 GridSearch？

Question

我目前正在研究一個多輸出回歸問題，我試圖一次預測多個 output 值。 我知道有標准的回歸器本身就支持這項任務。

但是，我想使用RegressorChain並使用GridSearchCV調整 RegressorChain 中 Regressor 的超參數。 我為此編寫了以下代碼：

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR
from sklearn.model_selection import GridSearchCV

# setup the pipeline
pipeline = Pipeline(steps = [('scale', StandardScaler(with_mean=True, with_std=True)),
                             ('estimator', RegressorChain(SVR())])

# setup the parameter grid
param_grid = {'estimator__estimator__C': [0.1,1,10,100]}           

# setup the grid search
grid = GridSearchCV(pipeline, 
                    param_grid, 
                    scoring='neg_mean_squared_error')
# fit model   
grid.fit(X, y)

它嘗試過：

param_grid = {'estimator__C': [0.1,1,10,100]}  

和：

param_grid = {'estimator__estimator__C': [0.1,1,10,100]}

但我兩次得到以下ValueError ：

ValueError: 無效參數 C 用於估計器 RegressorChain (base_estimator=SVR(C=1.0, cache_size=200, coef0=0.0, degree=3, epsilon=0.1, gamma='auto_deprecated', kernel='rbf', max_iter=-1,收縮=True，tol=0.001，詳細=False），cv=None，order=None，random_state=None）。 使用estimator.get_params().keys()檢查可用參數列表。

有誰知道如何正確設置此管道？ 謝謝！

Answer 1

如錯誤消息所示，打印RegressorChain(SVR()).get_params()的結果，您將獲得：

{
    'base_estimator__C': 1.0, 
    'base_estimator__cache_size': 200, 
    'base_estimator__coef0': 0.0, 
    'base_estimator__degree': 3,
    ...
}

鑒於您定義的管道，這意味着您應該使用

param_grid = {'estimator__base_estimator__C': [0.1, 1, 10, 100]} 

在網格搜索的迭代過程中為您的SVR object 的C設置可能的值。