在管道中使用 gridsearchCV 时无法克隆对象错误

Question

我正在制作一个由 tfidf 矢量器和 xgboost 分类器组成的管道，并且我正在尝试为我的问题找到矢量器的最佳参数。但是我收到以下错误：

 Cannot clone object Text2TfIdfTransformer(max_df=0.5, max_features=1000), as the constructor either does not set or modifies parameter max_df.

这是代码：

class Text2TfIdfTransformer(BaseEstimator):

    def __init__(self, max_df = 1, max_features = 3000):

        self._model = TfidfVectorizer(max_df, max_features, sublinear_tf=True)

        pass

    def fit(self, data, df_y=None):

        self._model.fit(data)

        return self

    def transform(self, text):

        return self._model.transform(text)

    

pl_xgb_tf_idf = Pipeline(steps=[('tfidf',Text2TfIdfTransformer()),

                         ('xgboost', XGBClassifier(objective='multi:softmax'))])

parameters = {'tfidf__max_df':[.5,.6], 'tfidf__max_features': [1000]}

grid = GridSearchCV(pl_xgb_tf_idf, param_grid=parameters, cv=5)

grid.fit(X,labels)

我不确定在调用init时是否应该声明变量 max_df 和 max_features但如果我不在这里声明它们，我会收到另一个错误（估计器没有任何变量）

我确信我错过了一些基本的东西，但我找不到它到底是什么，任何帮助将不胜感激！

如有遗漏重要信息，请追问！

Answer 1

您需要保留父类的fit和transform函数的参数名称    def fit(self, X, y):        self._model.fit(X)        return self    def transform(self, x):        return self._model.transform(x)

Answer 2

您需要声明参数才能__init __对它们运行网格搜索，否则您将违反 sklearn API 约定。这应该可以解决您的问题：def __init__(self, max_df = 1, max_features = 3000):     self.max_df = max_df     self.max_features = max_features     self._model = TfidfVectorizer(self.max_df, self.max_features, sublinear_tf=True)