使用KerasRegressor与GridSearchCV进行LSTM模型网格搜索时遭遇TypeError：缺少必需参数optimizer

嘿，我仔细看了你的代码和报错信息，这个TypeError的原因其实很清晰——你的create_lstm_model函数要求必须传入optimizer、neurons、activation三个必填参数，但在初始化KerasRegressor的时候，你只指定了neurons和activation的默认值，漏掉了optimizer，导致网格搜索在尝试生成模型实例时找不到这个必需参数，直接触发了错误。

先给你理清楚问题核心：

• 你的create_lstm_model没有给参数设置默认值，调用时必须传入三个参数；
• 你初始化KerasRegressor时只传了neurons=8和activation='relu'，没给optimizer赋值；
• 虽然param_grid里包含了optimizer的候选值，但网格搜索是基于KerasRegressor的初始参数去替换的，初始时缺少必填参数的话，根本走不到参数替换那一步。

下面给你两种修复方案，选哪种都可以：

方案一：给模型函数的参数设置默认值 #

修改create_lstm_model，给三个参数都加上合理的默认值，这样即使KerasRegressor不传入对应参数，函数也能正常执行，网格搜索时会用param_grid里的候选值覆盖默认值：

def create_lstm_model(optimizer='adam', neurons=8, activation='relu'):
    model = Sequential()
    model.add(LSTM(units=neurons, input_shape=(X_train.shape[1], X_train.shape[2])))
    model.add(Dropout(0.2))
    model.add(Dense(1, activation=activation))
    model.compile(loss='mean_squared_error', optimizer=optimizer)
    return model

# 此时初始化KerasRegressor可以简化，不用再传neurons和activation的默认值
model = KerasRegressor(model=create_lstm_model, epochs=10, batch_size=16, verbose=0)

方案二：在KerasRegressor初始化时传入optimizer的默认值 #

如果你不想修改模型函数，那就在初始化KerasRegressor的时候，给optimizer指定一个默认实例，这样网格搜索会用param_grid里的候选值替换这个默认值：

model = KerasRegressor(model=create_lstm_model, neurons=8, activation='relu', optimizer=Adam(), epochs=10, batch_size=16, verbose=0)

另外还要提醒你一个小细节：你的GridSearchCV代码里，scoring参数写的是"neg_mean_squared_error"，这是HTML转义后的双引号，要改成正常的双引号"neg_mean_squared_error"，不然可能会导致参数解析错误。

你提供的错误信息供参考：

The above exception was the direct cause of the following exception:
TypeError Tracebac...

备注：内容来源于stack exchange，提问作者user25508381