Python Scikit:自定义估计器：无法克隆

我已经为自动清理特定数据集编写了自己的估计器。我认为我正确地遵循了scikit规则：

from sklearn.base import BaseEstimator, TransformerMixin
import pandas as pd
from pathlib import Path

class cleaning(BaseEstimator, TransformerMixin):

    def __init__(self, to_drop = [], ins_threshold=0.6, 
                 corr_threshold=0.7, attribute_filepath='attribute.xlsx'): # no *args or **kargs, provides methods get_params() and set_params()
        """
        Parameters:
        -----------
        to_drop (list) : columns to be dropped
        ins_thresholrd (float) : [0.0 - 1.0] insignificant threshold above which columns containing that proportion of NaN get dropped
        corr_threshold (float) : [0.0 - 1.0] correlation threshold above which correlated columns get dropped (first one is kept)
        attribute_filepath (str of pathlib.Path) : path to the Excel file containing attributes information

        """

        self.attribute_filepath = Path(attribute_filepath)
        self.ins_threshold = ins_threshold
        self.corr_threshold = corr_threshold

        self.to_drop = to_drop
        self.ins_col = None
        self.correlated_col = None

但我还是收到了错误

RuntimeError: Cannot clone object cleaning(attribute_filepath=PosixPath('MyFile.xlsx')), as the constructor either does not set or modifies parameter attribute_filepath

---

我不明白为什么，

self.attribute\u filepath

在我的

\uuu init\uuuu

中有明确的定义？

虽然很晚了，但当我遇到类似的问题时，我会尝试给出答案。对我来说，当您将

self.attribute\u filepath

设置为与默认参数不同的内容时，您有点违反了scikit学习API约定。 事实上，谈到

\uuu init\uuu

的方法并引用：

不应有逻辑，甚至不应有输入验证，参数也不应更改。相应的逻辑应该放在使用参数的地方，通常是合适的。以下是错误的：

如果将自定义转换器传递到

GridSearchCV（）

，则会发生什么情况？我猜您正在将转换器传递到

管道

，而这反过来又传递到

GridSearchCV（）

，或者您正在执行类似的操作，并因此对获取的实例调用

fit（）

，具体如下：

在您到达之前，您的设置可能不会有任何问题。然后：

您的转换器将被克隆（并调用

\uuuu init\uu

方法）

设定者将被调用

外部克隆将失败，因为构造函数[…]修改了参数属性\u filepath

再次引用文件

由于model_selection.GridSearchCV使用set_参数将参数设置应用于估计器，因此调用set_参数与使用init方法设置参数具有相同的效果至关重要

当然，答案的某些部分依赖于一些有根据的猜测

这在我看来很好地解释了这一点。最后，我也会对类似的问题提出以下两个答案：和

def __init__(self, param1=1, param2=2, param3=3):
    # WRONG: parameters should not be modified
    if param1 > 1:
        param2 += 1
    self.param1 = param1
    # WRONG: the object's attributes should have exactly the name of
    # the argument in the constructor
    self.param3 = param2