python - 在 SciKit-Learn 中同时使用递归特征消除和网格搜索

Question

我遇到机器学习问题，想要优化我的 SVC 估计器以及特征选择。

为了优化 SVC 估计器，我基本上使用 docs 中的代码。 。现在我的问题是，如何将其与 recursive feature elimination cross validation (RCEV) 结合起来？也就是说，对于每个估计器组合，我想要执行 RCEV 以确定估计器和特征的最佳组合。

我尝试了 this thread 中的解决方案，但会产生以下错误:

ValueError: Invalid parameter C for estimator RFECV. Check the list of available parameters with `estimator.get_params().keys()`.

我的代码如下所示:

tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-4,1e-3],'C': [1,10]},
                    {'kernel': ['linear'],'C': [1, 10]}]

estimator = SVC(kernel="linear")
selector = RFECV(estimator, step=1, cv=3, scoring=None)
clf = GridSearchCV(selector, tuned_parameters, cv=3)
clf.fit(X_train, y_train)

错误出现在clf = GridSearchCV(selector,tuned_pa​​rameters, cv=3)处。

Answer 1

我会使用管道，但在这里你有一个更充分的响应

Recursive feature elimination and grid search using scikit-learn