问题标签 [scikit-learn-pipeline]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 估计器管道的参数 clf_learning_rate 无效
我正在尝试XGBClassifier从xgb包Pipeline中实现scikit-learn。
我的目标是在一个函数中调整许多算法的超参数并选择性能最佳的模型。但是，我收到标题中所述的错误。我怎样才能解决这个问题？我试图从 中删除"clf_"，grid_params_xgb但是它没有用。
其次，有没有更好的方法来为不同的算法自动构建一组超参数？现在，我正在为每个算法手动定义参数集。
非常感谢。
python - 在特征选择后访问 scikit learn Pipeline 中的随机森林特征名称属性
我在数据集中运行随机森林分类器，作为 sklearn 管道的一个步骤。
我想绘制 RFC 属性feature_importances_，但因为我的管道进行特征选择，我无法识别 fit 方法中使用的特征名称。所以我知道之后One Hot Encoder，数组 X 包含 31 个特征。然后在SelectPercentile数组 X 之后包含 RFC 中使用的 27 个特征。
我如何确定在 RFC 中选择和安装了哪些功能？当我访问 RFC 属性时，我只能获得有关功能重要性的数字，名称不可用。
python - 在 sklearn.metrics 中找不到回归
我正在尝试使用以下内容：
但是，在运行第一行时，出现错误提示：
有趣的是，我在网上找不到任何关于这个问题的信息（即使是在 26 天前在 stackoverflow 中最近提出的关于这个问题的问题）。
有谁遇到过同样的情况并愿意解决这个问题？
编辑：
所以我找到了修复。
我去了我所在的图书馆firets并点击了models.py.
我更改了以下内容：
至
和你好，没有更多的错误:)