Python 管道GridSearchCV，不同步骤对应的参数

我正在尝试在管道中进行一些超参数调整，并进行以下设置：

model = KerasClassifier(build_fn = create_model, epochs = 5)  
pipeline = Pipeline(steps =[('Tokenizepadder', TokenizePadding()),
                          ('NN', model)] )

在Tokenizepadder和我的神经网络中都有一个变量“maxlen”（对于神经网络，它被称为max_length，我担心将它们命名为相同的名称会导致代码中的错误）。当我尝试执行网格搜索时，我正在努力使这些值对应起来。如果我分别对这些值进行网格搜索，它们将不会出现马赫数，并且会出现输入数据与神经网络不匹配的问题

简言之，我想做如下工作：

pipeline = Pipeline(steps =[('Tokenizepadder', TokenizePadding()),
                           ('NN', KerasClassifier(build_fn = create_model, epochs = 5, max_length = pipeline.get_params()['Tokenizepadder__maxlen']))] )

---

因此，当我对参数“Tokenizepadder\uu maxlen”执行网格搜索时，它会将值“NN\uu max\u length”更改为相同的值。

可能是您可以更改分类器和标记器，以传递

max\u len

参数。然后，仅使用标记器

max_len

参数进行网格搜索。 不是最干净的方式，但可能会

from sklearn.base import BaseEstimator, TransformerMixin, EstimatorMixin
class TokeinizePadding(BaseEstimator, TransformerMixin):
    def __init__(self, max_len, ...):
        self.max_len = max_len
        ...

    def fit(self, X, y=None):
        ...
        return self
   
    def transform(self, X, y=None):
        data = ... # your stuff
        return {"array": data, "max_len": self.max_len}
 

class KerasClassifier(...):
    ...
    def fit(data, y):
        self.max_len = data["max_len"]
        self.build_model()
        X = data["array"]
        ... # your stuff

---

可能您可以更改分类器和标记器，以传递

max\u len

参数。然后，仅使用标记器

max_len

参数进行网格搜索。 不是最干净的方式，但可能会

from sklearn.base import BaseEstimator, TransformerMixin, EstimatorMixin
class TokeinizePadding(BaseEstimator, TransformerMixin):
    def __init__(self, max_len, ...):
        self.max_len = max_len
        ...

    def fit(self, X, y=None):
        ...
        return self
   
    def transform(self, X, y=None):
        data = ... # your stuff
        return {"array": data, "max_len": self.max_len}
 

class KerasClassifier(...):
    ...
    def fit(data, y):
        self.max_len = data["max_len"]
        self.build_model()
        X = data["array"]
        ... # your stuff