Scikit-learn Pipeline结合自定义Transformer与GridSearch触发ValueError

从你的代码和报错回溯来看，核心问题大概率出在自定义Transformer的输出格式以及一些细节遗漏上，下面分点给出具体解决方案：

1. 自定义Transformer必须返回numpy数组（而非DataFrame） #

scikit-learn的Pipeline组件要求transform方法返回numpy数组或scipy稀疏矩阵，但你的RollingMeanTransform和TimeEncoding都返回了Pandas DataFrame，这会导致后续的标准化、模型拟合步骤因为输入格式不兼容抛出ValueError。

修改两个自定义Transformer的transform方法，最后统一返回数组：

修改RollingMeanTransform #

class RollingMeanTransform(BaseEstimator, TransformerMixin):
    def __init__(self, col, window=3):
        self._window = window
        self._col = col
    def fit(self, X, y=None):
        return self
    def transform(self, X):
        df = X.copy()
        df['{}_rolling_mean'.format(self._col)] = df[self._col].shift(1).rolling(self._window).mean().fillna(0.0)
        # 转换为numpy数组，适配scikit-learn组件输入要求
        return df.to_numpy()  # pandas 0.24+推荐写法，也可以用df.values

修改TimeEncoding #

import numpy as np  # 你的代码漏掉了numpy导入，必须补上！

class TimeEncoding(BaseEstimator, TransformerMixin):
    def __init__(self, col, drop_original=True):
        self._col = col
        self._drop_original = drop_original
    def fit(self, X, y=None):
        return self
    def transform(self, X):
        X = X.copy()
        unique_vals = float(len(X[self._col].unique()))
        X['sin_{}'.format(self._col)] = np.sin(2 * np.pi * X[self._col] / unique_vals)
        X['cos_{}'.format(self._col)] = np.cos(2 * np.pi * X[self._col] / unique_vals)
        if self._drop_original:
            X.drop([self._col], axis=1, inplace=True, errors='ignore')
        # 转换为numpy数组
        return X.to_numpy()

2. 检查Pipeline中自定义组件的正确性 #

你的Pipeline里用到了Treshold()和Scale()：

• 如果是自定义Transformer，要确保它们的transform方法同样返回numpy数组；
• 如果是scikit-learn内置组件，注意拼写：Treshold应该是Threshold，笔误可能导致未定义错误；比如Scale()如果是指StandardScaler()，要正确导入并实例化。

3. 时间序列交叉验证的数据泄露提醒（额外注意） #

虽然这不是直接触发ValueError的原因，但你的RollingMeanTransform里用了shift(1).rolling()，当前你的实现是基于输入X实时计算滚动均值，在TimeSeriesSplit的每一轮训练中，只会用到训练集内的数据，这部分是合规的，暂时无需调整。

4. 若问题仍存在，请补充完整报错信息 #

你的报错回溯没贴全，最后停在cloned_trans，如果修改后还是报错，建议贴出完整的错误提示（比如具体哪一行抛出错误、错误的详细描述），这样能更精准定位剩余问题。

按上述步骤调整后，重新运行grid.fit(X_train, y_train)应该能解决当前的ValueError问题。

内容的提问来源于stack exchange，提问作者Tom Kealy