Python随机森林手动调参报错ValueError: too many values to unpack (expected 4)如何解决

报错原因 #

你遇到的ValueError: too many values to unpack (expected 4)由两处代码错误共同导致：

• 遍历逻辑错误：for a,b,c,d in 列表1,列表2,列表3,列表4的写法，本质是把四个range对象打包成了一个长度为4的元组遍历，每次循环只会返回1个range对象，无法拆分为4个参数变量
• 缩进错误：for循环下的模型初始化、训练等代码没有缩进，不会被识别为循环体内的执行逻辑

解决方案 #

如果你需要遍历所有参数的笛卡尔积组合（所有参数的排列组合，是手动调参的常规需求），可以使用Python标准库的itertools.product实现，不需要引入sklearn的自动调参工具：

from itertools import product
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score

depth_options= range(8,30)
sample_split_options= range(2, 200)
sample_leaf_options= range(1, 100)
estimator_options= range(10, 1000)

# 生成所有参数的排列组合，变量顺序和product传入的参数列表顺序要一一对应
for leaf_size,split_size,n_est,depth in product(sample_leaf_options, sample_split_options, estimator_options, depth_options):
    # 循环体内代码要统一缩进4个空格
    model = RandomForestClassifier(n_estimators = n_est, n_jobs = -1,random_state = 42, 
                                   min_samples_leaf = leaf_size, min_samples_split=split_size, max_depth=depth)
    model.fit(X4_train,y_train)
    print(leaf_size, split_size, n_est, depth)
    print ("AUC - ROC : ", roc_auc_score(y_test,model.predict_proba(X4_test)[:,1]))

注意事项 #

• 上述参数组合的总数量约为4.2亿，直接全量遍历耗时极长，建议先缩小参数范围，或者在循环内加入最优结果的判定逻辑，满足阈值后提前终止循环
• 如果你不需要遍历全组合，只需要按顺序取四个列表对应位置的参数配对遍历，把product替换为zip即可，注意此时四个列表的长度必须一致

内容的提问来源于stack exchange，提问作者Giusy