在SciKit-Learn中同時使用遞歸特徵消除和網格搜索

Question

我有一個機器學習問題，希望優化我的SVC估計器以及特徵選擇。

爲了優化SVC估計器，我基本上使用了docs中的代碼。現在我的問題是，我怎樣才能將這與recursive feature elimination cross validation (RCEV)？也就是說，對於每個估計量組合，我想要做RCEV來確定估計量和特徵的最佳組合。

我試圖解決從this thread，但它產生以下錯誤：

ValueError: Invalid parameter C for estimator RFECV. Check the list of available parameters with `estimator.get_params().keys()`. 

我的代碼看起來是這樣的：出現在clf = GridSearchCV(selector, tuned_parameters, cv=3)

tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-4,1e-3],'C': [1,10]}, 
        {'kernel': ['linear'],'C': [1, 10]}] 

estimator = SVC(kernel="linear") 
selector = RFECV(estimator, step=1, cv=3, scoring=None) 
clf = GridSearchCV(selector, tuned_parameters, cv=3) 
clf.fit(X_train, y_train) 

錯誤。

Answer 1

我會用一個管道，但在這裏你有更充分的反應

Recursive feature elimination and grid search using scikit-learn