FeatureUnion:Sklearn FeatureUnion不允许fit参数

Question

FeatureUnion无法匹配。下面代码fit（）的最后一行抛出错误：

from sklearn.pipeline import Pipeline, FeatureUnion
from sklearn.svm import SVC
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA
from sklearn.feature_selection import SelectKBest

iris = load_iris()    
X, y = iris.data, iris.target
pca = PCA(n_components=2)
selection = SelectKBest(k=1)
combined_features = FeatureUnion([("pca", pca), ("univ_select", selection)])
svm = SVC(kernel="linear")

pipeline = Pipeline([("features", combined_features), ("svm", svm)])
pipeline.fit (X, y, features__univ_select__k=2)

引发错误：

TypeError: fit_transform() got an unexpected keyword argument 'univ_select__k'

Answer 1

参数features__univ_select__k=2在fit中没有使用；另一方面，在这里根本没有必要。你知道吗

如果您遵循scikit learn docs中的特性联合example（就像您看起来的那样），您应该注意到它在param_grid中用作参数，而不是在fit中。你知道吗

但这里不执行任何参数网格搜索；既然已经定义了它

pca = PCA(n_components=2)
selection = SelectKBest(k=1)
combined_features = FeatureUnion([("pca", pca), ("univ_select", selection)])

对于要使用的特性的数量没有任何其他的“选择”，因此您不应该使用任何features__univ_select__k=2参数。简单的给予

pipeline.fit (X, y)

工作是否：

Pipeline(memory=None,
     steps=[('features', FeatureUnion(n_jobs=None,
       transformer_list=[('pca', PCA(copy=True, iterated_power='auto', n_components=2, random_state=None,
  svd_solver='auto', tol=0.0, whiten=False)), ('univ_select', SelectKBest(k=1, score_func=<function f_classif at 0x000000000808AD08>))],
       tran...r', max_iter=-1, probability=False, random_state=None,
  shrinking=True, tol=0.001, verbose=False))])