概述
我在以下两个示例中使用以下包:
from sklearn.ensemble import ExtraTreesRegressor import numpy as np from sklearn.pipeline import Pipeline from sklearn.preprocessing import PolynomialFeatures
#Feature generation X = np.random.rand(200,4) Y = np.random.rand(200) #Feature transformation poly = PolynomialFeatures(degree=2) poly.fit_transform(X) #Model generation and fit clf = ExtraTreesRegressor(n_estimators=5,max_depth = 3) weights = [1]*100 + [2]*100 clf.fit(X,Y,weights)
但是在管道中执行它不起作用:
#Pipeline generation pipe = Pipeline([('poly2',PolynomialFeatures(degree=2)),('ExtraTrees',ExtraTreesRegressor(n_estimators=5,max_depth = 3))]) #Feature generation X = np.random.rand(200,4) Y = np.random.rand(200) #Fitting model clf = pipe weights = [1]*100 + [2]*100 clf.fit(X,weights)
我收到以下错误:TypeError:fit()最多需要3个参数(给定4个)
在这个简单的例子中,修改代码没有问题,但是当我想在我的实际代码中对我的真实数据运行几个不同的测试时,能够使用管道和样本权重
For this,it enables setting parameters of the varIoUs steps using their names and the parameter name separated by a ‘__’,as in the example below.
所以说的是,尝试将最后一行更改为:
clf.fit(X,**{'ExtraTrees__sample_weight': weights})
This is a good example如何使用管道中的参数.
总结
以上是编程之家为你收集整理的python – sklearn pipeline – 在管道中应用多项式特征转换后应用样本权重全部内容,希望文章能够帮你解决python – sklearn pipeline – 在管道中应用多项式特征转换后应用样本权重所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧