Python Scikit Learn GridSearchCV在gensim LDA模型上失败

以下是创建模型的代码：

import gensim
NUM_TOPICS = 4
ldamodel = gensim.models.ldamodel.LdaModel(corpus,num_topics = 
NUM_TOPICS,id2word=dictionary,passes=100)
ldamodel.save('model5.gensim')
topics = ldamodel.print_topics(num_words=4)
print(topics)

这是GridSearchCV的代码：

search_params = {'n_components': [4, 6, 8, 10, 20], 'learning_decay': [.5, .7, .9]}


# Init Grid Search Class
model = GridSearchCV(ldamodel, param_grid=search_params)

# Do the Grid Search
model.fit(data_vectorized)

这是输出：

*---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-108-1a35c49ac19e> in <module>
      9 
     10 # Do the Grid Search
---> 11 model.fit(data_vectorized)
~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\model_selection\_search.py in fit(self, X, y, groups, **fit_params)
    627 
    628         scorers, self.multimetric_ = _check_multimetric_scoring(
--> 629             self.estimator, scoring=self.scoring)
    630 
    631         if self.multimetric_:
~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\metrics\_scorer.py in _check_multimetric_scoring(estimator, scoring)
    471     if callable(scoring) or scoring is None or isinstance(scoring,
    472                                                           str):
--> 473         scorers = {"score": check_scoring(estimator, scoring=scoring)}
    474         return scorers, False
    475     else:
~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\metrics\_scorer.py in check_scoring(estimator, scoring, allow_none)
    399     if not hasattr(estimator, 'fit'):
    400         raise TypeError("estimator should be an estimator implementing "
--> 401                         "'fit' method, %r was passed" % estimator)
    402     if isinstance(scoring, str):
    403         return get_scorer(scoring)
TypeError: estimator should be an estimator implementing 'fit' method, <gensim.models.ldamodel.LdaModel object at 0x000002121E55D3C8> was passed*

*---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在里面
9
10#进行网格搜索
--->11模型拟合（数据矢量化）
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\model\u selection\\u search.py in fit（self、X、y、groups、**fit\u参数）
627
628名记分员，自我多重记分(
-->629自我评估，评分=自我评分）
630
631如果自多米制：
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\metrics\u scorer.py in\u check\u multimetric\u评分（估计器，评分）
471如果可调用（计分）或计分为无或不存在（计分），
472（str）：
-->473名评分员={“评分”：检查评分（估计员，评分=评分）}
474名返场得分手，错
475其他：
检查评分中的~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\metrics\\u scorer.py（估计器，评分，允许无）
399如果不是hasattr（估计器，“拟合”）：
400 raise TypeError（“估计员应是实施的估计员”
-->401“‘拟合’方法，%r已通过”%estimator）
402如果存在（评分，str）：
403返程记分员（记分）
TypeError:estimator应该是实现“拟合”方法的估计器，已通过*

您试图使用

scikit学习

包中的

GridSearchCV

对象，该包需要运行它的模型对象来实现某些方法（如错误消息中所示：

fit

方法）。由于

scikit learn

与

gensim

没有任何关系，因此您需要确保它们通过

fit

方法中的

gensim

培训兼容和封装

此外，在我看来，它似乎并没有使用您试图搜索的参数（

n_components

，

learning_decay

）。只能搜索模型使用的参数值