-1

我想使用带有 XGBoost 和 Mlpregression 的 bagging 如果我使用一种算法，它将正常工作

XGBRegressor_bagging_model = BaggingRegressor(XGBRegressor_model,
                                              n_estimators=100,                                              
                                              max_samples=1.0, 
                                              max_features=1.0, 
                                              bootstrap=True,
                                              oob_score=True, 
                                              warm_start=False,
                                              n_jobs=-1,
                                              verbose=0)

MLP = BaggingRegressor(MLPRegressor_Model,
                       n_estimators=1000,
                       max_samples=1.0,
                       max_features=1.0,
                       bootstrap=True,
                       oob_score=True,
                       warm_start=False,
                       n_jobs=-1,
                       verbose=0)

XGBRegressor_bagging_model.fit(X_train, y_train)
MLP.fit(X_train, y_train)

print("XGBRegressor_bagging_model Predicted Is:", XGBRegressor_bagging_model.predict(X_test)[0:5])

print("MLP Predicted Is:", MLP.predict(X_test)[0:5])

print("XGBRegressor_bagging_model Score Is:", XGBRegressor_bagging_model.oob_score_)
print("MLP Score Is:", MLP.oob_score_)

但如果我这样使用它

bagging_model = BaggingRegressor((XGBRegressor_model, MLPRegressor_Model), n_estimators=100,max_samples=1.0, max_features=1.0, bootstrap=True, oob_score=True, warm_start=False, n_jobs=-1, verbose=0)

它不起作用并向我显示此错误

AttributeError: 'tuple' object has no attribute 'fit'

我应该怎么做才能解决这个问题？

4

1 回答 1

2

在您的第二个版本中，您(XGBRegressor_model, MLPRegressor_Model)作为回归者传递。这不是回归量，而是一个元组（恰好由回归量组成）。错误表明 tuple 没有方法fit。

您应该传递其中一个回归器，或者从两者创建一个复合回归器。

于 2018-12-16T20:16:28.927 回答