使用GridSearch与KerasClassifier调优LSTM时遇输出未定义错误

问题原因 #

1. Scikeras API变更：build_fn已被标记为过时，新版本需改用model参数传递模型构建函数；手动指定n_outputs_expected_属于内部属性操作，会干扰Scikeras的自动推断逻辑。
2. 模型初始化逻辑冲突：GridSearch在验证参数时会提前尝试初始化模型，错误的参数传递方式导致模型未正确完成构建流程，触发输出未定义的报错。

修复方案 #

以下是修改后的完整代码，关键调整点已标注：

!pip install scikeras
from sklearn.model_selection import GridSearchCV
from scikeras.wrappers import KerasClassifier

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, Dense, Dropout
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences

# 调整模型构建函数：添加默认参数，适配GridSearch参数传递逻辑
def create_model(units=50, dropout=0.1, optimizer='adam'):
    model = Sequential()
    # 移除废弃的input_length参数，Keras会自动推断输入形状
    model.add(Embedding(5000, 128))
    model.add(LSTM(units))
    model.add(Dropout(dropout))
    # 多分类输出层保持不变
    model.add(Dense(3, activation='softmax'))
    model.compile(loss='sparse_categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
    return model

param_grid = {
    # 参数命名保持model__前缀，对应KerasClassifier的model参数
    'model__units': [50, 100, 150],
    'model__dropout': [0.1, 0.2, 0.3, 0.4],
    'model__optimizer': ['adam', 'rmsprop'],
    'epochs': [10, 20, 30],
    'batch_size': [32, 64, 128]
}

# 关键修改：用model参数替代build_fn，移除n_outputs_expected_
grid_search_model = KerasClassifier(model=create_model, error_score='raise')
grid_search = GridSearchCV(estimator=grid_search_model, param_grid=param_grid, cv=3)
grid_result = grid_search.fit(X_train_tf, label_encoded_y_train)

核心修改说明 #

• API适配：将build_fn=create_model改为model=create_model，适配Scikeras最新版本要求，避免过时警告和逻辑冲突。
• 移除内部属性：删除n_outputs_expected_=3，Scikeras会根据模型输出层和损失函数自动推断输出数量，手动设置会破坏内部流程。
• 废弃参数清理：移除Embedding层的input_length参数，Keras现在会根据输入数据自动推断序列长度，该参数已被官方标记为废弃。
• 默认参数设置：给模型构建函数的参数添加默认值，确保GridSearch在遍历参数前能正确初始化模型。

额外注意事项 #

• 确保X_train_tf是经过padding处理的二维张量（形状为(样本数, 序列长度)），否则Embedding层可能无法正确推断输入形状。
• 如果仍有报错，可尝试在模型构建时显式指定输入形状：model.add(Embedding(5000, 128, input_shape=(X_train_tf.shape[1],)))，强制固定输入序列长度。

内容的提问来源于stack exchange，提问作者Daouda