我有一个使用两种类型的功能进行文本分类的sklearn管道:由CountVectorizer()和TfidfTransformer()(TfidfVectorizer())生成的标准tfidf功能以及一些语言特征。我尝试将不同的ngrams范围传递给CountVectorizer(),然后使用GridSearh找到最好的n。ValueError:使用GridSearch参数时估计器CountVectorizer的参数模型无效
这里是我的代码:
text_clf = Pipeline([('union', FeatureUnion([
('tfidf', Pipeline([
('sents', GetItem(key='sent')),
('vect', CountVectorizer()),
('transform', TfidfTransformer())
])),
('LF', Pipeline([
('features', GetItem(key='features')),
('dict_vect', DictVectorizer())
]))],
transformer_weights={'LF': 0.6, 'tfidf': 0.8}
)),
('clf', SGDClassifier())
])
parameters = [{'union__tfidf__vect__model__ngram_range': ((1, 1), (1, 2), (1, 3), (1, 4)),
'clf__alpha': (1e-2, 1e-3, 1e-4, 1e-5),
'clf__loss': ('hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'),
'clf__penalty': ('none', 'l2', 'l1', 'elasticnet'),
'clf__n_iter': (3, 4, 5, 6, 7, 8, 9, 10)}]
gs_clf = GridSearchCV(text_clf, parameters, cv=5, n_jobs=-1)
gs_clf = gs_clf.fit(all_data, labels)
(我省略了一些似乎不相关的问题行)
但它抛出一个错误:
ValueError: Invalid parameter model for estimator CountVectorizer(analyzer=u'word', binary=False, charset=None,
charset_error=None, decode_error=u'strict',
dtype=<type 'numpy.int64'>, encoding=u'utf-8', input=u'content',
lowercase=True, max_df=1.0, max_features=None, min_df=1,
ngram_range=(1, 1), preprocessor=None, stop_words=None,
strip_accents=None, token_pattern=u'(?u)\\b\\w\\w+\\b',
tokenizer=None, vocabulary=None)
与TfidfVectorizer()相同。 ('vect', CountVectorizer(ngram_range=(1,2)))
感谢:
而且一切,如果我在管道传递给ngram_range的矢量化直接工作正常!
谢谢大卫的帮助!我刚刚被这篇文章弄糊涂了:http://stackoverflow.com/questions/27810855/python-sklearn-how-to-pass-parameters-to-the-customize-modeltransformer-clas –