Check the list of available parameters with `estimator.get_params().keys()`. 에러가 발생했다
무엇이 문제인지 알아보고 있는데
dtc = DecisionTreeClassifier()
parameters = {
'max_depth':[None],
'min_samples_split':[1, 2]
}
tree_pipeline = Pipeline(steps=[('num_pipeline', num_pipeline),
('classifier', dtc)])
grid_tree = GridSearchCV(tree_pipeline, param_grid=parameters, cv=2, refit=True)
grid_tree.get_params().keys()
저 두번째의 grid_tree.get_params().keys()를 해서 나오는 변수를 parameters 에 넣으면 된다.
앞에 eatimator__은 없앤다.
grid_tree.get_params().keys()
dtc = DecisionTreeClassifier()
parameters = {
'classifier__max_depth':[1, 2],
'classifier__min_samples_split':[1, 2]
}
tree_pipeline = Pipeline(steps=[('num_pipeline', num_pipeline),
('classifier', dtc)])
grid_tree = GridSearchCV(estimator=tree_pipeline, param_grid=parameters, cv=2, refit=True)
grid_tree.fit(X_train, y_train)
y_val_pred = grid_tree.predict(X_val)
'머신러닝' 카테고리의 다른 글
[파이썬 머신러닝] 머신러닝의 분류-앙상블 학습 (0) | 2021.02.24 |
---|---|
머신러닝 분류 Classification 중 Decision Tree(결정 트리) (0) | 2021.02.24 |
[파이썬 머신러닝]Pipeline 파이프라인 구축하기 (1) | 2021.02.24 |
[파이썬 머신러닝] map으로 레이블 인코딩 하기 (0) | 2021.02.22 |
머신러닝 이진분류의 Evaluation 평가에 대해 알아보자(Accuracy, Precision, Recall, F1_Score, ROC_AUC) (1) | 2021.02.19 |