Python 将Sklearn GridSearchCV与管道一起使用时如何传递权重

我正在研究一个文本分类模型，并使用了一个与。下面是代码片段：

count_vec=CountVectorizer(ngram_range=(1,2),stop_words=Stopwords_X,min_df=0.01)
TFIDF_Transformer=TfidfTransformer(sublinear_tf=True,norm='l2')

my_pipeline=Pipeline([('Count_Vectorizer',count_vec),
                    ('TF_IDF',TFIDF_Transformer),
                    ('MultiNomial_NB',MultinomialNB())])

param_grid={'Count_Vectorizer__ngram_range':[(1,1),(1,2),(2,2)],
               'Count_Vectorizer__stop_words':[Stopwords_X,stopwords],
               'Count_Vectorizer__min_df':[0.001,0.005,0.01],
               'TF_IDF__sublinear_tf':[True,False],
               'TF_IDF__norm':['l2'],
               'TF_IDF__smooth_idf':[True,False],
               'MultiNomial_NB__alpha':[0.2,0.4,0.5,0.6],
               'MultiNomial_NB__fit_prior':[True,False]}

# Grid Search CV with pipeline
model=GridSearchCV(estimator=my_pipeline,param_grid=param_grid,
                   scoring=scoring,cv=4,verbose=1,refit=False)

但是，由于数据高度不平衡，我想将权重传递给管道中的分类器。我知道我可以将权重传递给管道中的元素（如下所示）：

---

我的问题是如何在没有形状错误的情况下编译？因为权重只传递给管道中的最终元素（多项式\u NB分类器），而CV对进入管道的X/Y提要进行分区。

GridSearchCV根据交叉验证迭代器处理样本权重的适当分解

GridSearchCV在数据内部调用该方法，并传递训练数据的索引。到目前为止，拟合参数适用于整个数据。现在，此函数依次调用该函数，该函数处理

样本权重

（或其他拟合参数）的拆分 在这方面：

     ...
     return safe_indexing(v, indices)
     ...

这已在以下问题中讨论：

---

你是说你没有得到任何应该得到的错误吗？@VivekKumar是的，我的理解是fit方法将数据分成4个部分，每次设置一个，而weights参数直接进入管道末端的分类器，导致形状不一致。也许我错过了什么。。。

     ...
     return safe_indexing(v, indices)
     ...