BaggingClassifier使用的分类器的调整参数

Question

说我想训练BaggingClassifier使用DecisionTreeClassifier：

dt = DecisionTreeClassifier(max_depth = 1)
bc = BaggingClassifier(dt, n_estimators = 500, max_samples = 0.5, max_features = 0.5)
bc = bc.fit(X_train, y_train)

我想用GridSearchCV找到两者的最佳参数BaggingClassifier和DecisionTreeClassifier（如max_depth从DecisionTreeClassifier和max_samples从BaggingClassifier），究竟是什么语法？

Answer 1

我自己找到了解决方案：

param_grid = {
    'base_estimator__max_depth' : [1, 2, 3, 4, 5],
    'max_samples' : [0.05, 0.1, 0.2, 0.5]
}

clf = GridSearchCV(BaggingClassifier(DecisionTreeClassifier(),
                                     n_estimators = 100, max_features = 0.5),
                   param_grid, scoring = choosen_scoring)
clf.fit(X_train, y_train)

即说，max_depth“属于”__的base_estimator，也就是我DecisionTreeClassifier在这种情况下。这可以工作并返回正确的结果。