如何解决make_pipeline封装MLPRegressor接入GridSearchCV的参数报错？

scikit-learn的make_pipeline()函数会自动将步骤对应的类名转为全小写作为步骤名，你构建的管道里MLPRegressor对应的步骤名是mlpregressor（全小写），而你param_grid里用的是大写开头的MLPRegressor作为前缀，和实际步骤名不匹配，所以触发参数不识别的错误。

方案1：直接修改param_grid的参数前缀（改动最小） #

把参数前缀改为全小写的mlpregressor__即可：

param_grid = {
    'mlpregressor__hidden_layer_sizes': [(16,16,), (64,64,), (128,128,)], 
    'mlpregressor__activation': ['identity', 'logistic', 'tanh', 'relu'],
    'mlpregressor__solver': ['adam','sgd']
}

方案2：手动指定管道步骤名（适配更复杂的场景） #

如果不想记自动命名规则，也可以不用make_pipeline，改用显式指定步骤名的Pipeline类，自定义步骤名方便后续引用：

from sklearn.pipeline import Pipeline

# 自定义步骤名，可随意命名，后续参数前缀和自定义名称保持一致即可
pipe = Pipeline(steps=[
    ('scaler', StandardScaler()),
    ('mlp', MLPRegressor())
])

# 对应的param_grid写法示例
param_grid = {
    'mlp__hidden_layer_sizes': [(16,16,), (64,64,), (128,128,)], 
    'mlp__activation': ['identity', 'logistic', 'tanh', 'relu'],
    'mlp__solver': ['adam','sgd']
}

你可以随时运行print(pipe.get_params().keys())查看管道所有可配置的参数名，确认步骤的前缀是否正确。

内容的提问来源于stack exchange，提问作者jgg