Python 什么'；scikit学习管道中变压器重量的使用是什么？

这只是scikit learn管道的一个小问题

在类

sklearn.pipeline.FeatureUnion

中，有一个

transformer\u weights

选项

变压器重量：dict，可选
：每个变压器特征的乘法权重。关键点是变压器名称、值和权重

我在一个例子中看到了这种用法，它为不同的特性赋予了不同的权重

    transformer_weights={
        'subject': 0.8,
        'body_bow': 0.5,
        'body_stats': 1.0,
    },

---

这对我来说毫无意义，因为分类器稍后将为您学习权重。为什么还要麻烦使用它呢？

如果使用带惩罚的线性分类器，这将改变应用于每个特征块的惩罚量。

---

向上扩展功能意味着相对于其他功能，它们受到的惩罚更小。

是否有一种方法可以测试不同的权重，类似于网格搜索中的其他参数？如果愿意，可以使用网格搜索进行搜索。我如何访问它们，因为它们没有像transformers it classifiers那样分配标签？如果你做了

make_管道（make_union（Transformer1（），Transformer2（）），Classifier（））

那么

param_grid={'featureunion_transformer_weights'：[[1,1]，.1,9]，[10,1000]}

应该可以工作。我知道这是很久以前回答的，但我只是想补充一点，我尝试了这个解决方案，却遇到了一个问题。您可以传入一个列表列表，它将运行，但是它不会按预期工作，您需要传入一个字典，其中键是特征联合的段的名称，例如

make_管道（make_联合（transformer1（），Transformer2（）），Classifier（）），然后param_grid={'featureunion_utransformer_weights'：[dict]（主语=1，body_bow=2），主语（主语=0.1，body_bow=0.9）}