Python 估算器管道（SVR）的参数无效

我有一个包含100列连续特征和一个连续标签的数据集，我想运行SVR；提取相关性特征，调整超参数，然后交叉验证适合我的数据的模型

我写了这段代码：

X_train, X_test, y_train, y_test = train_test_split(scaled_df, target, test_size=0.2)
    
cv = RepeatedKFold(n_splits=10, n_repeats=3, random_state=1)

# define the pipeline to evaluate
model = SVR()
fs = SelectKBest(score_func=mutual_info_regression)
pipeline = Pipeline(steps=[('sel',fs), ('svr', model)])

# define the grid
grid = dict()

#How many features to try
grid['estimator__sel__k'] = [i for i in range(1, X_train.shape[1]+1)]


# define the grid search
#search = GridSearchCV(pipeline, grid, scoring='neg_mean_squared_error', n_jobs=-1, cv=cv)
search = GridSearchCV(
        pipeline,
#        estimator=SVR(kernel='rbf'),
        param_grid={
            'estimator__svr__C': [0.1, 1, 10, 100, 1000],
            'estimator__svr__epsilon': [0.0001, 0.0005,  0.001, 0.005,  0.01, 0.05, 1, 5, 10],
            'estimator__svr__gamma': [0.0001, 0.0005,  0.001, 0.005,  0.01, 0.05, 1, 5, 10]
        },
        scoring='neg_mean_squared_error',
        verbose=1,
        n_jobs=-1)

for param in search.get_params().keys():
    print(param)

# perform the search
results = search.fit(X_train, y_train)

# summarize best
print('Best MAE: %.3f' % results.best_score_)
print('Best Config: %s' % results.best_params_)

# summarize all
means = results.cv_results_['mean_test_score']
params = results.cv_results_['params']
for mean, param in zip(means, params):
    print(">%.3f with: %r" % (mean, param))

我得到一个错误：

ValueError: Invalid parameter estimator for estimator Pipeline(memory=None,
         steps=[('sel',
                 SelectKBest(k=10,
                             score_func=<function mutual_info_regression at 0x7fd2ff649cb0>)),
                ('svr',
                 SVR(C=1.0, cache_size=200, coef0=0.0, degree=3, epsilon=0.1,
                     gamma='scale', kernel='rbf', max_iter=-1, shrinking=True,
                     tol=0.001, verbose=False))],
         verbose=False). Check the list of available parameters with `estimator.get_params().keys()`.

ValueError: Estimator names must not contain __: got ['estimator__sel', 'estimator__svr']

但当我改变路线时：

pipeline = Pipeline(steps=[('sel',fs), ('svr', model)])

致：

我得到一个错误：

ValueError: Invalid parameter estimator for estimator Pipeline(memory=None,
         steps=[('sel',
                 SelectKBest(k=10,
                             score_func=<function mutual_info_regression at 0x7fd2ff649cb0>)),
                ('svr',
                 SVR(C=1.0, cache_size=200, coef0=0.0, degree=3, epsilon=0.1,
                     gamma='scale', kernel='rbf', max_iter=-1, shrinking=True,
                     tol=0.001, verbose=False))],
         verbose=False). Check the list of available parameters with `estimator.get_params().keys()`.

ValueError: Estimator names must not contain __: got ['estimator__sel', 'estimator__svr']

有人能解释一下我做错了什么，即如何将管道/功能选择步骤组合到GridSearchCV中

作为旁注，如果我在GridSearchCV中注释掉

管道

，并取消注释

estimator=SVR（kernal='rbf'）

，单元格运行时不会出现问题，但在这种情况下，我假定我没有将特征选择合并到中，因为它不会在任何地方调用。我以前见过一些SO问题，例如，但它们似乎没有回答这个具体问题

---

是否有更简洁的方法来编写此消息？

第一条错误消息是关于

管道

参数，而不是

搜索

参数，并指示您的

参数网格

不正确，而不是管道步骤名称。运行

pipeline.get_params（）.keys（）

应该会显示正确的参数名称。您的网格应该是：

参数网格={
“svr____________________________________，
“svr__ε”：[0.0001,0.0005,0.001,0.005,0.01,0.05,1,5,10]，
“svr__γ”：[0.0001,0.0005,0.001,0.005,0.01,0.05,1,5,10]
},

---

我不知道如何用普通SVR代替管道运行；您的参数网格也没有指定正确的内容…

谢谢。当我将param_网格更改为您的代码时，它会运行（在y_pred和y_test之间有一个非常糟糕的Spearman）。如果真的是这样的话，那没关系，但我想检查一下，这不是因为模型制作不当。我不明白“我不知道如何用普通SVR代替管道运行；您的参数网格也没有在那里指定正确的内容…'。你是说这个代码不应该运行吗？我把代码单独放在一个文件中，只是在它前面读入了一些数据，当我打印

y_pred=results.predict（X_test）时；打印y_pred[0:10]

，打印10个预测。@Slowat_Kela我指的是你的“旁注”段落。如果

estimator=SVR（…）

，则在

参数网格

中使用

estimator_usvr_uc

应失败，错误与您最初报告的错误相同；在这个版本中，参数名应该是

C

。哦，对不起，这是我的错，我不清楚。我有

estimator=SVR（…）

in，当我在param网格中有C、epsilon和gamma时对不起（不是

estimator\u SVR\u C

）。抱歉，我不清楚，我的意思是，如果我只使用普通SVR，我可以让这段代码正常运行，但如果我将其交换到管道，则无法运行。