机器学习python实践——关于管道模型Pipeline和网格搜索GridSearchCV的一些个人思考

最近在利用python跟着指导书进行机器学习的实践，在实践中使用到了Pipeline类方法和GridSearchCV类方法，并且使用过程中发现了一些问题，所以本文主要想记录并分享一下个人对于这两种类方法的思考，如果有误，请见谅，欢迎大家一起前来探讨。当然，如果这篇文章还能入得了各位“看官”的法眼，麻烦点赞、关注、收藏，支持一下！

本文主要想重点记录一下Pipeline类方法和GridSearchCV类方法在使用过程中的一些不易察觉的注意事项，花不多说，进入正文

一、Pipeline类方法使用过程中的注意事项

Pipeline类方法有一个关键参数：steps

1、steps的格式：由多个二维元组组成的多维列表，且列表中的最后一个元组代表估计器

2、steps中的元组格式为：(命名，转换器/估计器），命名我们可以随便设置，但是一定要是字符串

3、steps中的元组不能仅含一个元素，即不可以写成：(命名，）

4、可以通过“passthrough”或者“None”来删除转换器/估计器，即：(命名，'passtrhough'）、(命名，'None'）

二、GridSearchCV类方法使用过程中的注意事项

GridSearchCV类方法有三个关键参数：estimator、param_grid、cv

1、estimator：带有score方法的估计器，如果估计器没有score方法，必须通过GridSearchCV类方法的参数“scoring”来指定评分策略

2、param_grid：参数字典，该字典是键为字符串形式，值为数组形式

3、cv：交叉验证策略，当cv的值为一个整数或者None时，如果估计器是分类器，则采用的是分层交叉验证，即StratifiedKFold，对于其它情况适用的是k折交叉验证，即KFold

三、结合Pipeline和GridSearchCV进行模型选择的注意事项

1、传递给GridSearchCV的Pipeline实例化对象，必须含有完整的steps列表

正确形式：

pipe=Pipeline([('scaler',StandardScaler()),('reg',MLPRegressor())])
grid=GridSearchCV(pipe,param_grid=params,cv=3)

错误形式：

pipe=Pipeline([('scaler',),('reg',)])
grid=GridSearchCV(pipe,param_grid=params,cv=3)

2、结合Pipeline和GridSearchCV进行模型选择时，Pipeline实例化对象的转换器和估计器，在GridSearchCV中不会被调用，举例说明：

#定义参数字典
params=[{'reg':[MLPRegressor(random_state=38,max_iter=1600)],'scaler':[StandardScaler(),None]},
        {'reg':[RandomForestRegressor(random_state=38)],'scaler':[None]}]
pipe=Pipeline([('scaler',MinMaxScaler()),('reg',SVC)])
#对管道模型进行网格搜索
grid=GridSearchCV(pipe,param_grid=params,cv=3,verbose=20)

运行上述代码，结果为：

从结果中不难看出，参数字典中的参数组合有三种，GridSearchCV对三种不同的参数组合根据cv值分别进行了交叉验证；同时，Pipeline实例化对象pipe中的转换器MinMaxScaler()以及估计器SVC()并未被执行