scikit學習。 GridSearchCV管道中的自定義變壓器set_params邏輯。

我需要構建自定義變壓器，將其用於流水線，並使用GridSearchCV評估該流水線的參數。scikit學習。 GridSearchCV管道中的自定義變壓器set_params邏輯。

我設法實現簡單的自定義變壓器，遵循here的建議，但在嘗試使用內部估計器實現變壓器時發生的問題，並在GridSearchCV中使用此構造。我自己找不到答案，因爲我認爲，因爲我沒有完全理解搜索方法（如網格/隨機）SearchCV和set_params的細微之處。

書「介紹與Python ML」形容GridSearchCV邏輯比較幼稚：

...iterating over each parameters combination... 
    init estimator 
    fit estimator 
    evaluate

但這種幼稚的做法不能回答我的問題。爲了澄清我的問題，讓看看這個案例：

class OuterTransformer(BaseEstimator, TransformerMixin): 
    _options = {'std':StandardScaler(),'mm':MinMaxScaler()} 
    def __init__(self, option='std'): 
     ...

對我來說，主要的問題是‘我在哪裏把選擇內部估計的邏輯是什麼？’。根據上述職位，這應該是這個樣子：

def __init__(self, option='std'): 
     self.option = option 
    def fit(self, data, y=None): 
     self.option = self._options[option] 
     ...

在另一方面，常識表明GridSearch必須通過參數調用適合之前初始化內部估計，因此內部估計應該是選在__init__。

看來，第一種方式工作正常，但我只是不明白爲什麼。可以請有人向我解釋這個現象嗎？

來源

2017-08-26 Grigoriy

看起來我理解了估計器參數初始化和重新初始化的邏輯。這有助於回答我的問題：

這個類區域必須被傳遞給構造那些原值，而不是一些「衍生物」從他們被初始化，因爲每個重新初始化估計器scikit調用__init__，在CV開始之前傳遞通過方法get_params從實例中提取的參數。

和get_params的本質在於它掃描方法的類__init__的簽字，並經估算領域的實例拉與對應的__init__的參數名稱名稱（除了當然是自我）。

因此，如果我們寫「源自」值到字段內__init__方法，這些「來源於」值將被轉移到下一個重新初始化，這意味着一切都將失敗。

class OuterTransformer(BaseEstimator, TransformerMixin): 
    _options = {'std':StandardScaler(),'mm':MinMaxScaler()} 

    # good init- all fine 
    def __init__(self, option='std'): 
     self.option = option 

    # bad init - will not work, because option is not an 'original' parameter. 
    def __init__(self, option='std'): 
     self.option = self._options[option]

來源

2017-08-28 16:21:41 Grigoriy

scikit學習。 GridSearchCV管道中的自定義變壓器set_params邏輯。

回答

相關問題