Python 3.x GridSearchCV和RandomizedSearchCV（sklearn）：TypeError:uuu调用uuu（）缺少1个必需的位置参数：'；是真的'；

我尝试使用

GridSearchCV

和

RandomizedSearchCV

为两种无监督学习算法（用于新颖性检测）找到最佳参数，即

OneClassSVM

和

LocalOutlierFactor

下面是我编写的函数（对此进行了修改）：

要测试上述功能，我有以下代码：

X, W = train_test_split(all_data, test_size=0.2, random_state=42)
clf_lof = LocalOutlierFactor(novelty=True, contamination='auto')
lof_param_dist_rand = {'n_neighbors': np.arange(6, 101, 1), 'leaf_size': 
                      np.arange(30, 101, 10)}
lof_param_grid_exhaustive = {'n_neighbors': np.arange(6, 101, 1), 
                           'leaf_size': np.arange(30, 101, 10)}
gridsearch(clf=clf_lof, param_dist_rand=lof_param_dist_rand, 
param_grid_exhaustive=lof_param_grid_exhaustive, X=X)


clf_svm = svm.OneClassSVM()
svm_param_dist_rand = {'nu': np.arange(0, 1.1, 0.01), 'kernel': ['rbf', 
                     'linear','poly','sigmoid'], 'degree': np.arange(0, 7, 
                      1), 'gamma': scipy.stats.expon(scale=.1),}
svm_param_grid_exhaustive = {'nu': np.arange(0, 1.1, 0.01), 'kernel': 
                            ['rbf', 'linear','poly','sigmoid'], 'degree': 
                            np.arange(0, 7, 1), 'gamma': 0.25}
gridsearch(clf=clf_svm, param_dist_rand=svm_param_dist_rand, 
param_grid_exhaustive=svm_param_grid_exhaustive, X=X)

最初，我没有为两种

GridSearch

方法设置

scoring

参数，我得到了以下错误：

TypeError: If no scoring is specified, the estimator passed should have a 'score' method.

TypeError: __call__() missing 1 required positional argument: 'y_true'

然后我添加了

scoring='accurity'

，因为我想使用测试精度来判断不同型号配置的性能。现在我得到了这个错误：

TypeError: If no scoring is specified, the estimator passed should have a 'score' method.

TypeError: __call__() missing 1 required positional argument: 'y_true'

我没有标签，因为我有来自一个类的数据，而没有来自计数器类的数据，所以我不知道如何处理这个错误。此外，我还研究了本文中的建议，但这对我没有帮助。任何帮助都将不胜感激

编辑： 根据@FChm提供样本数据的建议，请查找样本

.csv

数据文件。文件的简短说明：

---

由四列特征（PCA生成）组成，我将这些特征输入到我的模型中

如果您提供指向某些示例数据的链接，人们可能更愿意提供帮助。@FChm我添加了一个包含示例数据的文件。谢谢你的建议。我认为下面这个问题的讨论可能会有用：简而言之，在没有y_true的情况下使用GridSearchCV不是一个非常直观的选择，因为你基本上不再需要任何交叉验证。谢谢@MaximeKan。我还没有找到在没有CV的情况下使用GridSearch的选项。仍然在搜索。这里有一个建议：但它不再适用，我尝试了。如果您提供指向某些示例数据的链接，人们可能会更愿意提供帮助。@FChm我已添加了一个包含示例数据的文件。谢谢你的建议。我认为下面这个问题的讨论可能会有用：简而言之，在没有y_true的情况下使用GridSearchCV不是一个非常直观的选择，因为你基本上不再需要任何交叉验证。谢谢@MaximeKan。我还没有找到在没有CV的情况下使用GridSearch的选项。但仍在寻找。这里有一个建议：但它不再适用，我试过了。