我想保存数据框的一些属性并给定底层 numpy 数组的一部分，我想重建数据框，就好像我已经获取了数据框的一部分一样。如果对象列的值可以强制转换为浮点数，我想不出任何可行的方法。在真实的数据集中，我有数百万个观察值和数百列。

实际用例涉及 Pandas 与 scikit-learn 交互的自定义​​代码。我知道 scikit-learn 的最新版本与内置的 pandas 兼容，但我无法使用此版本，因为 RandomizedSearchCV 对象无法处理大参数网格（这将在未来版本中修复）。

编辑：谢谢@unutbu 准确回答我的问题的答案。在 0.16.0 之前的 scikit-learn 版本中，gridsearch 对象从 pandas 数据帧中剥离了底层的 numpy 数组。这意味着单个对象列使整个数组成为对象，并且 pandas 方法不能包装在自定义转换器中。

使用@unutbu 的答案的解决方案是使管道的第一步成为自定义的“DataFrameTransformer”对象。

在管道中，只需在构造函数中包含您的原始 df ：

我正在尝试在 scikit-learn 中结合递归特征消除和网格搜索。正如您从下面的代码（有效）中看到的那样，我能够从网格搜索中获得最佳估计器，然后将该估计器传递给 RFECV。但是，我宁愿先做 RFECV，然后再做网格搜索。问题是，当我将选择器从 RFECV 传递给网格搜索时，它不接受它：

ValueError：估计器 RFECV 的参数引导程序无效

是否可以从 RFECV 获取选择器并将其直接传递给 RandomizedSearchCV，或者这在程序上不是正确的做法？

我正在尝试使用 DecisionTreeClassifier（“DTC”）作为 base_estimator 来调整 AdaBoost 分类器（“ABT”）。我想同时调整ABT和 DTC 参数，但不确定如何实现这一点 - 管道不应该工作，因为我没有将 DTC 的输出“管道”到 ABT。这个想法是在 GridSearchCV 估计器中迭代 ABT 和 DTC 的超参数。

如何正确指定调整参数？

我尝试了以下操作，这在下面产生了错误。

我想知道是否有办法在 CalibratedCV 中嵌入的 RandomForrestClassifier 上执行 GridSearchCV，我想优化日志丢失，所以我需要在 CalibratedCV 上进行评估，但我想更改 RandomForrest 的参数。

提前致谢

使用 python 和 scikit-learn，我想做一个网格搜索。但是我的一些模型最终是空的。如何使网格搜索功能忽略这些模型？

我想我可以有一个评分函数，如果模型为空，则返回 0，但我不确定如何。

我的数据的方式是该learner对象将选择一个C对应于空模型的对象。知道如何确保模型不为空吗？

编辑：“空模型”是指选择了 0 个要使用的功能的模型。特别是对于l1正则化模型，这很容易发生。所以在这种情况下，如果CSVM 中的 足够小，优化问题会找到 0 向量作为系数的最优解。因此predictor.coef_将是0s 的向量。

W2UI 网格

我想像在 datatables .net 中那样进行网格搜索

它使用'AND'以空格分隔的搜索文本的条件。

我的要求是不要使用搜索框旁边已经存在的高级搜索，因为它是基于特定列的。

现在在w2ui网格搜索框中我正在搜索“John”然后它应该显示1,2,3 records

然后我正在搜索“john fran”然后它应该只显示3rd record.

如何做到这一点？

我尝试按空格分割搜索框字符串并在 w2ui.js 中进行了更改，但它总是搜索搜索字符串中的最后一个单词，

请帮忙，谢谢:) :)

我有一些使用Grid Search创建的分类器，还有一些直接作为Random Forests创建的分类器。

随机森林返回类型 sklearn.ensemble.forest.RandomForestClassifier，以及使用 gridSearch 返回类型创建的随机森林sklearn.grid_search.RandomizedSearchCV。

我正在尝试以编程方式检查估计器的类型（以决定是否需要best_estimator_在特征重要性上使用），但似乎找不到这样做的好方法。

if type(estimator) == 'sklearn.grid_search.RandomizedSearchCV'是我的第一个猜测，但显然是错误的。

我对结果感到困惑，可能我没有正确理解交叉验证和 GridSearch 的概念。我遵循了这篇文章背后的逻辑： https ://randomforests.wordpress.com/2014/02/02/basics-of-k-fold-cross-validation-and-gridsearchcv-in-scikit-learn/

获得的结果：

附加说明：

我使用解释变量的另一种组合（仅使用其中一些）运行它，我得到了逆问题。现在 .best_score_ 高于交叉验证数组中的所有值。

我正在使用从“Mastering Machine Learning with scikit learn”一书中提取的示例。

它使用决策树来预测网页上的每个图像是广告还是文章内容。然后可以使用级联样式表隐藏被分类为广告的图像。数据可从 Internet 广告数据集公开获得：http: //archive.ics.uci.edu/ml/datasets/Internet+Advertisements，其中包含 3,279 张图像的数据。

以下是完成分类任务的完整代码：

如示例中所示，在 GridSearchCV 中使用score='f1'的结果是：

使用 score =None（默认准确度度量）的结果与使用 F1 分数相同：

如果我没有错，通过不同的评分函数优化参数搜索应该会产生不同的结果。下面的案例表明，当使用score='precision'时会得到不同的结果。

使用score='precision'的结果与其他两种情况不同。“召回”等也是如此：

为什么'F1'和None，默认精度，给出相同的结果？？

已编辑

我同意 Fabian 和 Sebastian 的两个答案。问题应该是小的param_grid。但我只是想澄清一下，当我使用完全不同的（不是此处示例中的那个）高度不平衡的数据集 100:1（这应该会影响准确性）并使用逻辑回归时，问题就会激增。在这种情况下，“F1”和准确性也给出了相同的结果。

在这种情况下，我使用的 param_grid 如下：

我猜是参数选择也太小了。

我有一个 sklearn 管道，它使用两种类型的特征进行文本分类：由 CountVectorizer() 和 TfidfTransformer() (TfidfVectorizer()) 生成的标准 tfidf 特征和一些语言特征。我尝试将不同的 ngram 范围传递给 CountVectorizer()，然后使用 GridSearh 找到最佳 n。

这是我的代码：

（我省略了一些似乎与问题无关的行。）

但它会抛出一个错误：

TfidfVectorizer() 也是如此。

如果我将 ngram_range 直接传递给管道中的矢量化器，一切正常： ('vect', CountVectorizer(ngram_range=(1,2)))

谢谢！