Python 组合GridSearchCV和StackingClassifier

我想使用StackingClassifier组合一些分类器，然后使用GridSearchCV优化参数：

clf1 = RandomForestClassifier()
clf2 = LogisticRegression()
dt = DecisionTreeClassifier()
sclf = StackingClassifier(estimators=[clf1, clf2],final_estimator=dt)

params = {'randomforestclassifier__n_estimators': [10, 50],
          'logisticregression__C': [1,2,3]}

grid = GridSearchCV(estimator=sclf, param_grid=params, cv=5)

grid.fit(x, y)

但这是一个错误：

'RandomForestClassifier' object has no attribute 'estimators_'

我使用了

n_估计量

。为什么它警告我没有

估计器

通常GridSearchCV应用于单个模型，所以我只需要在dict中写入单个模型的参数名称

我参考了这个页面，但它使用了早期版本的参数。即使我更改了新的参数，它也不起作用

---

顺便说一句，我在哪里可以了解这些参数的命名规则的细节？

经过一些尝试，也许我能找到一个可用的解决方案

解决这个问题的关键是使用

get_params（）

了解StackingClassifier的参数

我使用另一种方法创建sclf：

clf1 = RandomForestClassifier()
clf2 = LogisticRegression()
dt = DecisionTreeClassifier()
estimators = [('rf', clf1),
              ('lr', clf2)]
sclf = StackingClassifier(estimators=estimators,final_estimator=dt)
params = {'rf__n_estimators': list(range(100,1000,100)),
          'lr__C': list(range(1,10,1))}
grid = GridSearchCV(estimator=sclf, param_grid=params,verbose=2, cv=5,n_jobs=-1)
grid.fit(x, y)

---

通过这种方式，我可以命名每个基本分类器，然后用它们的名称设置参数。

首先，

估计器

需要是一个列表，包含元组中的模型，并具有相应的名称

estimators = [('model1', model()), # model() named model1 by myself
              ('model2', model2())] # model2() named model2 by myself

---

接下来，您需要使用出现在

sclf.get_params（）

中的名称。 此外，该名称与您在上述

估计器

列表中给出的特定模型的名称相同。因此，以下是您需要的model1参数：

params = {'model1__n_estimators': [5,10]} # model1__SOME_PARAM 

工作玩具示例：

from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import StackingClassifier
from sklearn.model_selection import GridSearchCV


X, y = make_classification(n_samples=1000, n_features=4, 
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)


estimators = [('rf', RandomForestClassifier(n_estimators=10, random_state=42)),
              ('logreg', LogisticRegression())]

sclf = StackingClassifier(estimators= estimators , final_estimator=DecisionTreeClassifier())

params = {'rf__n_estimators': [5,10]}

grid = GridSearchCV(estimator=sclf, param_grid=params, cv=5)
grid.fit(X, y)

---

如果执行

sclf.fit（X，y）

得到什么？'RandomForestClassifier'对象没有属性'estimators'请参见我的答案。希望它能帮助我在上面找到答案