Python 3.x 自定义回归器：GridSearchCV表示'；获取参数'；从BaseSitMator继承时未实现 你好 感谢您花时间看这篇文章。

我正在努力实现一个scikit学习API版本的这个，数据是可用的。我的自定义类复制作者的结果，但不使用GridSearchCV

本质上，他在一些光谱数据上实现偏最小二乘回归，将最佳成分数确定为产生最低MSE的成分数。我的尝试如下所示，我能够复制作者的MSE结果以进行最佳校准，下面的

\uuuu init\uuu

的默认参数设置为这些参数。请注意，我是从

baseestimator

和

RegressorMixin

继承的

#从github repo的博客文章中下载.csv
#创建df，洗牌，然后创建'X'和'y'`
df=pd.read\u csv（“nirpyrearch/data/peach\u spectrum+brixvalues.csv”）
df=df.sample（replace=False，frac=1）.copy（）
y=df['Brix']。数值
X=df[[i表示列表中的i（df.列），如果i中的“wl”]].值

class Savgolps（基本估计量，回归系数）：
“我的回归者”
定义初始值（self，savgol_窗口=17，savgol_多订单=2，savgol_deriv=2，pls_组件=7）：
self.savgol\u窗口=savgol\u窗口
self.savgol_多序=savgol_多序
self.savgol_deriv=savgol_deriv
self.pls\u components=pls\u components
def配合（自、X、y）：
#检查X和y的形状是否正确
十、 y=检查X（X，y）
self.X_ux=X
self.y_uu=y
self.X_savgol=savgol_过滤器（X，self.savgol_窗口，self.savgol_多序，self.savgol_deriv）
self.pls=pls回归（n\u组件=self.pls\u组件）。拟合（self.X\u savgol\u，self.y\u）
#返回分类器
回归自我
def预测（自我、X、应用_savgol=True）：
#检查是否符合要求
#检查是否安装了（自身）
#输入验证
X=检查数组（X）
如果适用_savgol：
X=savgol_过滤器（X，self.savgol_窗口，self.savgol_多序，self.savgol_-deriv）
预测y=自我预测（X）
返回预定时间
def分数（自我、y_pred）：
mse=均方误差（y_真=self.y_，y_pred=y_pred，）
返回mse

现在，我可以初始化模型，并使用

.get_params（）

获取包含

\uuu init\uuu

中4个参数的dict

s\u pls=savgolps（pls\u组件=7）
请获取参数（）

因此，

get_params（）

似乎存在。这是有道理的，因为它是从BaseEstimator继承的。我还可以使用

fit（）

方法复制作者的结果

s_pls=s_pls.fit（X=X，y=y）
y_pred=s_pls.predict（X）
#这应该是~0.6566
s_pls.得分（y_pred）

那么，为什么在下面的代码中应用GridSearchCV会产生显示的错误

parameters={'savgol_window'：[3,30]，'savgol_polyorder'：[2,4]，'savgol_deriv'：[1,3]，'pls_components'：[2,15]}
clf=GridSearchCV（Savgolls，参数，cv=10）
clf.配合（X，y）

屈服

TypeError回溯（最近一次调用）
在里面
---->1 clf.fit（X，y.ravel（））
C:\tools\Anaconda3\envs\dev_py37\u tf\lib\site packages\sklearn\model\u selection\\u search.py in fit（self、X、y、groups、**fit\u参数）
631 n_分割=cv.get_n_分割（X，y，组）
632
-->633 base_估计器=克隆（self.estimator）
634
635 parallel=parallel（n_作业=self.n_作业，verbose=self.verbose，
克隆中的C:\tools\Anaconda3\envs\dev\u py37\u tf\lib\site packages\sklearn\base.py（估计器，安全）
58“它似乎不是scikit学习估计器”
59“因为它没有实现“get_params”方法。”
--->60%（repr（估计器）、类型（估计器）））
61 klass=估计量__
62新对象参数=估计器。获取参数（深=假）
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。

---

谢谢你的帮助 如果要向GridSearchCV传递一个类，则应传递一个实例：

clf=GridSearchCV（SavgolPLS（），parameters，cv=10）