LinearRegression报'normalize'参数无效：错误关联哪个组件？

问题背景 #

实现《Python机器学习入门》示例时，运行代码出现参数错误，相关代码与错误信息如下：

模型配置代码 #

def find_best_model_using_gridsearchcv(x,y):
  algos = {
      'linear regression' : {
          'model': LinearRegression(),
          'params':{ 
              'normalize':[True, False]
          }
      },
      'lasso': {
          'model': Lasso(),
          'params':{
              'alpha':[1,2],
              'selection': ['random','cyclic']
          }
      },
      'decision tree':{
          'model': DecisionTreeRegressor(),
          'params':{
              'criterion':['mse', 'friedman_mse'],
              'splitter':['best', 'random']
          }
      }
  }

网格搜索执行代码 #

scores = []
  cv = ShuffleSplit(n_splits=5, test_size=0.2, random_state=0)
  for algo_name, config in algos.items():
    gs = GridSearchCV(config['model'], config['params'], cv=cv, return_train_score=False)
    gs.fit(x_train, y_train)
    scores.append({
        'model': algo_name,
        'best_score': gs.best_score_,
        'best_params': gs.best_params_
    })

  return pd.DataFrame(scores, columns=['model', 'best_score', 'best_params'])

find_best_model_using_gridsearchcv(x,y)

错误信息 #

ValueError: Invalid parameter 'normalize' for estimator LinearRegression().
Valid parameters are: ['copy_X', 'fit_intercept', 'n_jobs', 'positive'].

错误归属 #

这个错误本质上与LinearRegression直接相关，GridSearchCV只是触发了参数校验的执行环节。

原因说明 #

新版scikit-learn已经移除了LinearRegression的normalize参数。该参数原本用于在拟合模型前自动对数据做归一化处理，但官方现在推荐通过单独的预处理模块（如StandardScaler）完成数据归一化，再将处理后的数据传入模型训练。代码中给LinearRegression配置了它不支持的normalize参数，导致GridSearchCV在尝试为模型设置该参数时抛出无效参数的错误。

修复方案 #

• 方案一：移除LinearRegression的normalize参数配置，调整为模型支持的参数：

'linear regression' : {
    'model': LinearRegression(),
    'params':{ 
        'fit_intercept':[True, False]
    }
},

• 方案二：如果需要归一化数据，将预处理步骤整合进模型管道：

from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline

'linear regression' : {
    'model': Pipeline([
        ('scaler', StandardScaler()),
        ('lr', LinearRegression())
    ]),
    'params':{ 
        'lr__fit_intercept':[True, False]
    }
},

内容的提问来源于stack exchange，提问作者sonal jain