使用RandomForest的GridsearchCV

Question

所以我正在用RandomForest和GridsearchCV做一些参数方面的事情。这是我的代码。

#Import 'GridSearchCV' and 'make_scorer'
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import make_scorer

Create the parameters list you wish to tune
parameters = {'n_estimators':[5,10,15]}

#Initialize the classifier
clf = GridSearchCV(RandomForestClassifier(), parameters)

#Make an f1 scoring function using 'make_scorer' 
f1_scorer = make_scorer(f1_scorer)

#Perform grid search on the classifier using the f1_scorer as the scoring method
grid_obj = GridSearchCV(clf, param_grid=parameters, scoring=f1_scorer,cv=5)

print(clf.get_params().keys())

#Fit the grid search object to the training data and find the optimal parameters
grid_obj = grid_obj.fit(X_train_100,y_train_100)

因此，问题是以下错误："ValueError: estimator的参数max_features无效。使用estimator.get_params().keys()检查可用参数列表。“

我遵循了错误给出的建议，print(clf.get_params().keys())的输出如下所示。然而，即使我将这些标题复制并粘贴到我的参数字典中，我仍然得到一个错误。我搜索过堆栈溢出，大多数人都在使用与我相似的参数字典。有人知道如何解决这个问题吗？再次感谢！

Dict_keys(‘预派送’，'cv'，‘估计者__最大特征’，‘参数网格’，‘重新调整’，‘估计者__最小杂质_拆分’，‘n_作业’，‘估计者__随机_状态’，‘错误分数’，‘详细’，‘估计者__最小样本_拆分’，‘估计者__n_作业’，'fit_params'，‘估计者_最小权重分数叶’，‘评分’，‘估计器__温暖_开始’，‘估计器__准则’，‘估计器__详细’，‘估计器__引导’，‘估计器__类权重’，‘估计器__oob_分数’，'iid'，‘估计器’，‘估计器__最大深度’，‘估计器__最大叶节点’，‘估计器_最小样本_叶’，‘估计器__n_估计器’，'return_train_score')

Answer 1

我认为问题出在这两条线上：

clf = GridSearchCV(RandomForestClassifier(), parameters)
grid_obj = GridSearchCV(clf, param_grid=parameters, scoring=f1_scorer,cv=5)

这实际上是创建一个具有如下结构的对象：

grid_obj = GridSearchCV(GridSearchCV(RandomForestClassifier()))

这可能比你想要的多了一个GridSearchCV。