sklearn管道-在管道中应用多项式特征变换后应用样本权重

Question

我想应用样本权重，同时使用sklearn的管道，该管道应该进行特征转换，例如多项式，然后应用回归器，例如ExtraTrees。

我在下面的两个例子中使用了以下软件包：

from sklearn.ensemble import ExtraTreesRegressor
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures

只要我单独转换特征，然后生成和训练模型，一切都很好：

#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)
#Feature transformation
poly = PolynomialFeatures(degree=2)
poly.fit_transform(X)
#Model generation and fit
clf = ExtraTreesRegressor(n_estimators=5, max_depth = 3)
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

但在管道中这样做是行不通的：

#Pipeline generation
pipe = Pipeline([('poly2', PolynomialFeatures(degree=2)), ('ExtraTrees', ExtraTreesRegressor(n_estimators=5, max_depth = 3))])
#Feature generation
X = np.random.rand(200,4)
Y = np.random.rand(200)
#Fitting model
clf = pipe
weights = [1]*100 + [2]*100
clf.fit(X,Y, weights)

我得到以下错误：TypeError:fit（）最多需要3个参数（给定4个）在这个简单的例子中，修改代码是没有问题的，但当我想在我的真实代码中对我的真实数据运行几个不同的测试时，能够使用管道和样本权重

Answer 1

在Pipeline文档的fit方法中提到了**fit_params。您必须指定要将参数应用到管道的哪个步骤。您可以通过遵循文档中的命名规则来实现这一点：

为此，它可以使用各个步骤的名称和用'__'分隔的参数名称来设置这些步骤的参数，如下例所示。

既然如此，试着把最后一行改为：

clf.fit(X,Y, **{'ExtraTrees__sample_weight': weights})

这是一个很好的例子，说明如何在管道中使用参数。