具有RF，PCA和CV生成错误的管道

问题描述

我正在使用流水线PCA和网格搜索来选择超参数，从而拟合随机森林回归模型，但它在某种程度上给了我一个错误。下面是我的代码：

params_rf = {'RandomForestRegressor__n_estimators': [300,400,500],'RandomForestRegressor__max_depth': [4,6,8],'RandomForestRegressor__min_samples_leaf': [0.1,0.2],'RandomForestRegressor__max_features': ['log2','sqrt']}

pipe = Pipeline([('scaler',StandardScaler()),('reducer',PCA(n_components=50)),('regressor',RandomForestRegressor(verbose = 3))])

rf_cv = gridsearchcv(estimator = pipe,param_grid = params_rf,cv =3,verbose=3)

rf_cv.fit(X_train,y_train)

错误消息：

Invalid parameter RandomForestRegressor_max_depth for estimator Pipeline(steps=[('scaler',RandomForestRegressor(verbose=3))]). Check the list of available parameters with `estimator.get_params().keys()`.

我尝试删除'RandomForestRegressor_'前缀，问题仍然存在。而且我很高兴max_depth实际上是RandomForestRegressor

中的超参数

解决方法

在管道中使用的

RandomForestRegressor已经有一个名称regressor；您应该使用此名称而不是RandomForestRegressor来引用它。将您的params_rf更改为：

params_rf = {'regressor__n_estimators': [300,400,500],'regressor__max_depth': [4,6,8],'regressor__min_samples_leaf': [0.1,0.2],'regressor__max_features': ['log2','sqrt']}