Python 如何将FunctionTransformer与GridSearchCV一起制作成管道？；

基本上，我想将列索引作为超参数处理。然后将此超参数与管道中的其他模型超参数一起调整。在下面的示例中，

col_idx

是我的超参数。我自定义了一个名为

log\u columns

的函数，它可以对某些列执行日志转换，并且该函数可以传递到

FunctionTransformer

。然后将FunctionTransformer和模型放入管道中

from sklearn.svm import SVC
from sklearn.decomposition import PCA
from sklearn.datasets import load_digits
from sklearn.pipeline import make_pipeline
from sklearn.model_selection import GridSearchCV
from sklearn.preprocessing import FunctionTransformer


def log_columns(X, col_idx = None):
    log_func = np.vectorize(np.log)
    if col_idx is None:
        return X
    for idx in col_idx:
        X[:,idx] = log_func(X[:,idx])
    return X

pipe = make_pipeline(FunctionTransformer(log_columns, ), PCA(), SVC())
param_grid = dict(functiontransformer__col_idx = [None, [1]],
              pca__n_components=[2, 5, 10],
              svc__C=[0.1, 10, 100],
              )

grid_search = GridSearchCV(pipe, param_grid=param_grid)
digits = load_digits()

res = grid_search.fit(digits.data, digits.target)

然后，我收到了以下错误消息：

ValueError: Invalid parameter col_idx for estimator 
FunctionTransformer(accept_sparse=False, check_inverse=True,
      func=<function log_columns at 0x1764998c8>, inv_kw_args=None,
      inverse_func=None, kw_args=None, pass_y='deprecated',
      validate=None). Check the list of available parameters with 
`estimator.get_params().keys()`.

ValueError:估计器的参数col_idx无效
FunctionTransformer（接受稀疏=假，检查逆=真，
func=，inv\u kw\u args=无，
逆函数=None，kw\u args=None，pass\u y='deprecated'，
验证=无）。使用检查可用参数的列表
`estimator.get_params（）.keys（）`。

---

我不确定

FunctionTransformer

是否允许我做我期望的事情。如果没有，我渴望知道其他优雅的方法。谢谢

首先，您应该检查可以调整的参数：

pipe.get_params（）.keys（）

---

之后，请查看如何组织

参数网格
首先，您应该检查可以调整的参数：
管道。获取参数（）.keys（）

之后，请查看关于如何组织
参数网格
col\u idx
不是
FunctionTransformer
类的有效参数，但
kw\u args
是。
kw_args
是
func
的附加关键字参数字典。就你而言，
唯一的关键字参数是
col\u idx

试试这个：

param_grid=dict(
功能变压器功率参数=[
{'col_idx'：无}，
{'col_idx'：[1]}
],
pca\u n\u分量=[2,5,10]，
svc_uuuc=[0.1,10100]，
)
col\u idx
不是
FunctionTransformer
类的有效参数，但
kw\u args
是。
kw_args
是
func
的附加关键字参数字典。就你而言，
唯一的关键字参数是
col\u idx

试试这个：

param_grid=dict(
功能变压器功率参数=[
{'col_idx'：无}，
{'col_idx'：[1]}
],
pca\u n\u分量=[2,5,10]，
svc_uuuc=[0.1,10100]，
)