python - 如何将关键字参数传递给 sklearn 管道中的预测方法

Question

我在 Pipeline 中使用 GaussianProcess。 GaussianProcess 的 predict 方法接受一个名为 batch_size 的 predict 方法的关键字参数，我需要使用它来防止填满我的内存。

在通过配置的管道调用predict时，有没有办法将这个参数传递给GaussianProcess实例？

这是一个改编自 sklearn 文档的最小示例，用于演示我想要的内容:

import numpy as np
from sklearn.gaussian_process import GaussianProcess
from matplotlib import pyplot as pl

np.random.seed(1)

def f(x):
    """The function to predict."""
    return x * np.sin(x)

X = np.atleast_2d([1., 3., 5., 6., 7., 8.]).T
y = f(X).ravel()

gp = GaussianProcess(corr='cubic', theta0=1e-2, thetaL=1e-4, thetaU=1e-1,
                     random_start=100)
gp.fit(X, y)

x = np.atleast_2d(np.linspace(0, 10, 1000)).T
y_pred = gp.predict(x, batch_size=10)

from sklearn import pipeline
steps = [('gp', gp)]
p = pipeline.Pipeline(steps)
# How to pass the batch_size here?
p.predict(x)

Answer 1

您可以通过允许将关键字参数 **predict_params 传递给 Pipeline 的预测方法来解决它。

from sklearn.pipeline import Pipeline

class Pipeline(Pipeline):
    def predict(self, X, **predict_params):
        """Applies transforms to the data, and the predict method of the
        final estimator. Valid only if the final estimator implements
        predict."""
        Xt = X
        for name, transform in self.steps[:-1]:
            Xt = transform.transform(Xt)
        return self.steps[-1][-1].predict(Xt, **predict_params)