You need to enable JavaScript to run this app. Python sklearn多模型准确率对比时遇DecisionTreeClassifier相关TypeError
优惠活动
大模型
产品
解决方案
定价
更多

Python sklearn多模型准确率对比时遇DecisionTreeClassifier相关TypeError

问题根因定位

触发核心TypeError的原因非常明确:

  • 你构建模型列表时,给CART条目传入的是DecisionTreeClassifier类本身,没有完成实例化。对比列表内其他模型的写法:LogisticRegression()、LinearDiscriminantAnalysis()、KNeighborsClassifier()、GaussianNB()、SVC()全部都是带括号的初始化实例,唯独CART那行漏写了括号。
  • scikit-learn的交叉验证流程会调用内置的clone方法,复制传入的估计器来完成每一折的训练。clone方法要求传入的必须是初始化完成的估计器实例,而非类对象本身,因此会抛出“没有实现get_params方法”的报错——类本身自然不具备实例级别的get_params方法。

报错栈中弹出的Empty异常只是joblib并行调度流程中的临时栈帧,不是流程中断的根因。

分步解决方案

1. 修复核心类型报错

把模型列表中CART对应的代码改为实例化写法,和其他模型保持格式统一:

models.append(('CART', DecisionTreeClassifier()))

仅需要在类名后补上括号即可。

2. 消除KFold的版本警告

你当前编写的model_selection.KFold(n_splits =10, random_state = seed)会触发0.22.1版本的FutureWarning:该版本下KFold默认不打乱样本顺序,此时设置random_state完全不生效,后续0.24版本会直接抛出错误。如果需要固定随机种子保证结果可复现,手动开启打乱开关即可:

kfold = model_selection.KFold(n_splits=10, random_state=seed, shuffle=True)

如果不需要打乱样本顺序,直接删除random_state参数即可。

3. 消除逻辑回归的收敛警告

你遇到的lbfgs求解器迭代次数超限的警告,可通过两种方式解决:

  • 给LogisticRegression实例调高迭代上限,比如设置max_iter=2000,即可保证正常收敛
  • 运行模型前对训练集特征做标准化缩放,可大幅降低收敛所需的迭代次数

内容的提问来源于stack exchange,提问作者Data Beginner

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.18 15:54:02