当fit方法中有其他超参数的情况下如何使用pipeline

来源：11-9 SVM思想解决回归问题

神羅ten徵

2019-07-23

在课程中讲到，当几个实例拥有相同的方法时，可以使用pipeline将其相连来起到简化步骤的效果

如StandardScaler、PolynomialFeatures等转换器同时拥有fit、transform方法，而LinearSVC等分类器拥有fit、predict、score等方法，因此可以将多个转换器和一个分类器通过串联得到一个Pipeline实例

但是，若有的分类器的fit方法中存在一些特殊的关键字参数（如LinearSVC的fit方法有一个sample_weight关键字而转换器的fit方法没有这个关键字），此时若将sample_weight关键字传入到Pipeline实例的fit方法中并执行时，程序会报错

那么如果确实需要在LinearSVC的fit方法中添加sample_weight这样的关键字参数，此时应该如何使用pipeline呢？

谢谢！

写回答

1回答

liuyubobobo

2019-07-24

首先，请确定你已经懂了这个问答中的描述的如何为pipeline中的算法调参的问题，关键是参数的命名法则：

在这个基础上，sample_weight前面，也只需要加上：

{$Pipeline中的对象名称}__sample_weight

即可。

一小段根据这一小节的代码改写的测试代码。

//img.mukewang.com/szimg/5d376c050984292f15121388.jpg

继续加油！：）

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5858 学习 · 2437 问题

相似问题

回答 3

回答 1

回答 1

回答 2

回答 2