Python 2.7 如何使用sklearn中没有的估计器进行模型管道

我尝试在gridSearchCV函数中使用arima模型，但它返回

“TypeError:无法克隆对象“”（类型）：它似乎不是scikit学习估计器，因为它未实现“get_params”方法。 "

你可以为它找到一个sklearn包装器

您可以编写自己的继承自BaseEstimator并满足sklearn estimator的所有要求，例如，init的签名中必须明确提及所有参数

您可以滚动自己的gridsearch，只需循环遍历参数即可

---

西蒙的答案实际上是正确的。我认为做第三点比较容易。我发现了一个与之相关的链接。

import numpy as np
import pandas as pd
from sklearn.grid_search import GridSearchCV
from statsmodels.tsa.arima_model import ARIMA
df_original = pd.DataFrame({"date_col": ['2016-08-01', '2016-08-02', '2016-08-03', '2016-08-04', '2016-08-05',
                                             '2016-08-06', '2016-08-07', '2016-08-08', '2016-08-09', '2016-08-10',
                                             '2016-08-11'],
                                'sum_base_revenue_cip': [1, 2, 7, 5, 1, 2, 5, 10, 9, 0, 1]})
    df_original["sum_base_revenue_cip"] = np.log(df_original["sum_base_revenue_cip"] + 1e-6)
    df_original_ts = df_original.copy(deep=True)
    df_original_ts['date_col'] = pd.to_datetime(df_original['date_col'])
    df_original_ts = df_original_ts.set_index('date_col')
    print df_original_ts

    estimator = ARIMA(df_original_ts,order=(1,1,0))
    params = {
        'order': ((2, 1, 0), (0, 2, 1), (1, 0, 0))
    }
    grid_search = GridSearchCV(estimator,
                               params,
                               n_jobs=-1,
                               verbose=True)
    grid_search.fit(df_original_ts)