使用StackingClassifier时遇ValueError: too many values to unpack (expected 2)求助

错误根源 #

你的estimators格式不符合Scikit-learn的要求：StackingClassifier要求estimators是由(name, estimator)二元组组成的列表，但你现在把所有模型都塞进了一个大元组里，整个列表仅含一个元素，这个元素包含14个值（7组模型名+模型实例），导致框架尝试解包时无法按照预期的2个值处理，从而抛出too many values to unpack (expected 2)错误。

修正后的代码 #

将每个模型单独封装成(name, estimator)的二元组，组成规范的列表：

estimators = [
    ('GaussianNB', GaussianNB(var_smoothing = 0.533669923120631)),
    ('LogisticRegression', LogisticRegression(C=0.001, 
                                              max_iter=1500, 
                                              penalty='none', 
                                              random_state=42,
                                              solver='newton-cg')),
    ('DecisionTreeClassifier', DecisionTreeClassifier(ccp_alpha=0.001, 
                                                      criterion='entropy', 
                                                      max_depth=14,
                                                      max_features='auto', 
                                                      random_state=42)),
    ('RandomForestClassifier', RandomForestClassifier(ccp_alpha=0.001, 
                                                       criterion='entropy', 
                                                       max_depth=14,
                                                       random_state=42)),
    ('SVC', SVC(kernel = 'linear', random_state=42)),
    ('KNeighborsClassifier', KNeighborsClassifier(algorithm='ball_tree', 
                                                 n_neighbors=3)),
    ('GradientBoostingClassifier', GradientBoostingClassifier(learning_rate=0.2, 
                                                               max_depth=10, 
                                                               max_features='sqrt',
                                                               n_estimators=10, 
                                                               subsample=0.8))
]

meta_model = LogisticRegressionCV()

stacking_model = StackingClassifier(estimators = estimators, 
                                    final_estimator = meta_model, 
                                    passthrough = True, 
                                    cv = 5,
                                    verbose = 2).fit(X_train, y_train)

核心修改点 #

• 每个模型单独成为('模型名', 模型实例)的二元组，用括号包裹
• 所有二元组并列放在estimators列表中，彼此用逗号分隔

调整后Scikit-learn就能正确识别每个基础模型，顺利完成堆叠集成的训练流程。

内容的提问来源于stack exchange，提问作者Alexander