Pipeline搭配GridSearchCV对随机森林调参时criterion参数无效报错

你遇到的报错是因为Pipeline封装后的参数需要指定所属步骤：GridSearchCV遍历参数时，默认是直接传入顶层的estimator（也就是你这里的Pipeline对象），而criterion、max_depth这些是Pipeline内部随机森林分类器的参数，不能直接写在param_grid的顶层key里。

用make_pipeline生成流水线时，scikit-learn会自动给每个步骤生成小写的类名作为步骤名，你这里的随机森林分类器步骤名是randomforestclassifier，参数需要用步骤名__参数名（双下划线分隔）的格式声明归属。

1. 调整param_grid格式 #

把你原来的param_grid修改为如下格式即可：

param_grid = {
    'randomforestclassifier__criterion': ('gini','entropy'),
    'randomforestclassifier__max_depth': [5, 10, 20, 30, 50, 100,1000,2000], 
    'randomforestclassifier__min_samples_leaf': [1,2,4,8,20,40,80,100,200]
}

如果你不确定步骤名，可以运行print(pipe_rf.named_steps)查看所有步骤的命名。

2. 可选优化（非必须，不影响运行） #

随机森林属于树模型，对特征尺度不敏感，你流水线里的StandardScaler()是多余操作，可以直接去掉，简化流水线：

pipe_rf = make_pipeline(RandomForestClassifier(bootstrap=True, random_state=1))

修正后重新运行代码即可正常执行网格搜索。

内容的提问来源于stack exchange，提问作者hw21