與RandomForest GridsearchCV

Question

所以我正在做RandomForest和GridsearchCV一些參數的事情。這是我的代碼。

#Import 'GridSearchCV' and 'make_scorer' 
from sklearn.model_selection import GridSearchCV 
from sklearn.metrics import make_scorer 

Create the parameters list you wish to tune 
parameters = {'n_estimators':[5,10,15]} 

#Initialize the classifier 
clf = GridSearchCV(RandomForestClassifier(), parameters) 

#Make an f1 scoring function using 'make_scorer' 
f1_scorer = make_scorer(f1_scorer) 

#Perform grid search on the classifier using the f1_scorer as the scoring method 
grid_obj = GridSearchCV(clf, param_grid=parameters, scoring=f1_scorer,cv=5) 

print(clf.get_params().keys()) 

#Fit the grid search object to the training data and find the optimal parameters 
grid_obj = grid_obj.fit(X_train_100,y_train_100) 

所以這個問題是以下錯誤：「ValueError異常：無效參數max_features的估計GridSearchCV請與estimator.get_params().keys()可用參數列表。」

我按照錯誤給出的建議，print（clf.get_params（）。keys（））的輸出如下。但是，即使我將這些標題複製並粘貼到我的參數字典中，我仍然遇到錯誤。我已經在堆棧溢出問題上進行了尋找，大多數人都使用非常類似的參數字典來挖掘。任何人都有如何解決這個問題的想法？再次感謝！

dict_keys（[ 'pre_dispatch'， 'CV'， 'estimator__max_features'， 'param_grid'， '改裝'， 'estimator__min_impurity_split'， 'n_jobs'， 'estimator__random_state'， 'error_score'， '冗長'， 'estimator__min_samples_split' ，'estimator__n_jobs'，'fit_params'，'estimator__min_weight_fraction_leaf'，'評分'，'estimator__warm_start'，'estimator__criterion'，'estimator__verbose'，'estimator__bootstrap'，'estimator__class_weight'，'estimator__oob_score'，'iid'，'estimator' estimator__max_depth」， 'estimator__max_leaf_nodes'， 'estimator__min_samples_leaf'， 'estimator__n_estimators'， 'return_train_score']）

Answer 1

我認爲這個問題是與兩行：

clf = GridSearchCV(RandomForestClassifier(), parameters) 
grid_obj = GridSearchCV(clf, param_grid=parameters, scoring=f1_scorer,cv=5) 

這是什麼本質上做的是創建一個對象，具有如下的結構：

grid_obj = GridSearchCV(GridSearchCV(RandomForestClassifier())) 

這可能是一個更GridSearchCV比你想要的。