scikit-learn - scores - sensitivity sklearn

¿Cómo ajustar los parámetros de las tuberías anidadas mediante GridSearchCV en scikit-learn?

Question

¿Es posible ajustar los parámetros de las tuberías anidadas en scikit-learn? P.ej:

svm = Pipeline([
(''chi2'', SelectKBest(chi2)),
(''cls'', LinearSVC(class_weight=''auto''))
])
classifier = Pipeline([
(''vectorizer'', TfIdfVectorizer()),
(''ova_svm'', OneVsRestClassifier(svm))
})
parameters = ?
GridSearchCV(classifier, parameters)

Si no es posible hacer esto directamente, ¿qué podría ser una solución?

Answer 1

scikit-learn tiene una doble notación de guión bajo para esto, como se ejemplifica aquí . Funciona de forma recursiva y se extiende a OneVsRestClassifier , con la advertencia de que el estimador subyacente debe abordarse explícitamente como __estimator :

parameters = {''ova_svm__estimator__cls__C'': [1, 10, 100],
''ova_svm__estimator__chi2_k'': [200, 500, 1000]}

Answer 2

Para el estimador que ha creado, puede obtener la lista de parámetros con sus etiquetas de la siguiente manera.

import pprint as pp
pp.pprint(sorted(classifier.get_params().keys()))

[ ''Ova_svm'', ''ova_svm__estimator'', ''ova_svm__estimator__chi2'', ''ova_svm__estimator__chi2__k'', ''ova_svm__estimator__chi2__score_func'', ''ova_svm__estimator__cls'', ''ova_svm__estimator__cls__C'', ''ova_svm__estimator__cls__class_weight'', ''ova_svm__estimator__cls__dual'', ''ova_svm__estimator__cls__fit_intercept'', ''ova_svm__estimator__cls__intercept_scaling'', ''ova_svm__estimator__cls__loss'', '' ova_svm__estimator__cls__max_iter'', ''ova_svm__estimator__cls__multi_class'', ''ova_svm__estimator__cls__penalty'', ''ova_svm__estimator__cls__random_state'', ''ova_svm__estimator__cls__tol'', ''ova_svm__estimator__cls__verbose'', '''', ''ova_svm__n_jobs ova_svm__estimator__steps'', ''pasos'', ''Vectorizer'', ''vectorizer__analyzer'', ''vectorizer__binary'', ''vectorizer__decode_error'' , ''vectorizer__dtype'', ''vectorizer__encoding'', ''vectorizer__input'', ''vectorizer__lowercase'', ''vectorizer__max_df'', ''vectorizer__max_features'', ''vectorizer__min_df'', ''vectorizer__ngram_range'', ''vectorizer__norm'', ''vectorizer__preprocessor'', ''vectorize r__smooth_idf '','' vectorizer__stop_words '','' vectorizer__strip_accents '','' vectorizer__sublinear_tf '','' vectorizer__token_pattern '','' vectorizer__tokenizer '','' vectorizer__use_idf '','' vectorizer__vocabulary '']

Desde esta lista, puede establecer los parámetros sobre los que desea hacer un GridSearchCV.