python - 调整 BaggingClassifier 使用的分类器的参数

Question

假设我想训练使用 DecisionTreeClassifier 的 BaggingClassifier:

dt = DecisionTreeClassifier(max_depth = 1)
bc = BaggingClassifier(dt, n_estimators = 500, max_samples = 0.5, max_features = 0.5)
bc = bc.fit(X_train, y_train)

我想使用 GridSearchCV 为 BaggingClassifier 和 DecisionTreeClassifier 找到最佳参数(例如 max_depth来自 DecisionTreeClassifier 和 max_samples 来自 BaggingClassifier)，这个的语法是什么？

Answer 1

我自己找到了解决方案:

param_grid = {
    'base_estimator__max_depth' : [1, 2, 3, 4, 5],
    'max_samples' : [0.05, 0.1, 0.2, 0.5]
}

clf = GridSearchCV(BaggingClassifier(DecisionTreeClassifier(),
                                     n_estimators = 100, max_features = 0.5),
                   param_grid, scoring = choosen_scoring)
clf.fit(X_train, y_train)

即说 max_depth“属于”__ base_estimator，即本例中我的 DecisionTreeClassifier。这有效并返回正确的结果。