GridSearchCV使用KerasClassifier时activation参数无效报错问题

报错原因 #

KerasClassifier 本身仅支持识别自身构造方法内置的参数（如batch_size、epochs等），你自定义的模型构建函数MultiPerceptron的入参（activation、units、kernel_initializer等）属于透传的自定义参数，无法被GridSearchCV直接识别传递。
另外代码中存在一处笔误：MultiPerceptron定义时默认loss参数为binary_cross_entropy，多了一个下划线，和Keras内置的损失函数名binary_crossentropy不匹配，后续也会触发报错。

修复方法（二选一即可） #

方法1：给自定义参数加嵌套前缀 #

按照scikit-learn嵌套参数的传递规则，所有要传给build_fn的参数，在param_grid的键名前加build_fn__前缀（双下划线）即可，修改后的param代码如下：

param = {'batch_size': [10, 30],
         'epochs': [50, 100],
         'build_fn__optimizer': ['adam', 'sgd'],
         'build_fn__loss': ['binary_crossentropy', 'hinge'],
         'build_fn__kernel_initializer': ['random_uniform', 'normal'],
         'build_fn__activation': ['relu', 'tanh'],
         'build_fn__units': [16, 8]}

同时修正MultiPerceptron的默认loss参数：

def MultiPerceptron(optimizer = 'adam', loss = 'binary_crossentropy', kernel_initializer = 'random_uniform', activation = 'relu', units = 16):
    # 剩余代码保持不变

方法2：显式声明自定义参数 #

初始化KerasClassifier时，把所有自定义的模型参数都显式作为构造参数传入（可以直接用默认值占位），param_grid不需要做任何修改：

classifier = KerasClassifier(
    build_fn = MultiPerceptron, 
    validation_split = 0.1, 
    validation_batch_size = 50,
    # 显式声明所有自定义参数
    optimizer = 'adam',
    loss = 'binary_crossentropy',
    kernel_initializer = 'random_uniform',
    activation = 'relu',
    units = 16
)

补充说明 #

如果你使用的是新版SciKeras（TensorFlow官方已弃用tf.keras.wrappers.scikit_learn下的KerasClassifier，迁移到SciKeras库），不需要加前缀，直接保证param_grid的键名和构建函数的入参名完全一致即可正常运行。

内容的提问来源于stack exchange，提问作者Murilo