Skorch NeuralNetRegressor与GridSearchCV自定义参数调优报错求助

错误核心是参数命名格式不符合层级规则：自定义模型（Regressor）的参数需要通过[Pipeline步骤名]__module__[参数名]的格式传递，而非直接写[步骤名]__[参数名]。

修正步骤： #

1. 调整参数网格的命名格式
   将属于自定义模型的参数（n_layers、activation）的命名修正为model__module__xxx格式，其他属于NeuralNetRegressor本身的参数（如optimizer、max_epochs）保持原有格式即可：

param_grid = {
    'model__optimizer': [optim.Adam, optim.Adamax, optim.NAdam],
    'model__max_epochs': list(range(30,40)),
    'model__module__activation': [nn.Identity, nn.ReLU, nn.ELU, nn.ReLU6, nn.GELU, nn.Softplus, nn.Softsign, nn.Tanh, 
                               nn.Sigmoid, nn.Hardsigmoid],
    'model__batch_size': [10,12,15,20],
    'model__module__n_layers': list(range(11,30)),
    'model__lr': [0.0001, 0.0008, 0.009, 0.001, 0.002, 0.003, 0.004, 0.01],
}

2. 修正Pipeline中的模型类名笔误
   你定义的模型类是Regressor，但代码中写了module=FatRegressor，这是明显笔误，需要修正：

pipeline = Pipeline(steps=[('scaler', StandardScaler()),
                           ('model', NeuralNetRegressor(module=Regressor, device='cuda'))])

原理说明： #

• Skorch的NeuralNetRegressor通过module__参数名的格式传递自定义模型的初始化参数；
• 当模型处于Scikit-learn的Pipeline中时，必须在参数前加上Pipeline步骤的名称（此处为model），形成步骤名__module__参数名的完整层级路径，这样GridSearchCV才能正确识别参数所属的对象。

内容的提问来源于stack exchange，提问作者flying_loaf_3