sklearn中TransformedTargetRegressor包裹Pipeline后set_params不生效问题

• scikit-learn 中所有以单下划线结尾的属性（例如 regressor_、transformer_）都是模型调用 fit() 方法后生成的拟合后属性，和初始化阶段传入的原始参数相互独立。
• set_params() 方法只能修改模型初始化时传入的原始参数，不会修改已经生成的拟合后属性。
• TransformedTargetRegressor 执行预测时，默认调用拟合完成的 regressor_ 属性做计算，你通过 set_params 修改的 regressor__model 属于未参与拟合的原始参数，因此不会生效。

直接修改拟合后的 regressor_ 属性内的模型即可，不需要调用 set_params，将你示例中修改参数的代码替换为以下内容：

# 直接修改拟合后Pipeline中的model为提取出的单棵决策树
treg.regressor_.named_steps['model'] = tree
y_predicted = treg.predict(x_sample)
print('after modify regressor_: ', y_predicted)

运行后输出结果就会和你手动调用内部组件计算的 internal pipeline changes 结果一致。如果需要保留原始模型不被修改，可以先通过 copy.deepcopy 复制原模型后再修改副本。

内容的提问来源于stack exchange，提问作者Christian