您假设使用 make_pipeline 以错误的方式。从…起 the documentation :-

这是管道建造商的简写;它不需要, 不允许,命名估计器。相反,他们的名字会 自动设置为其类型的小写。

这意味着,当您提供PCA对象时,其名称将设置为“PCA”(小写),当您向其提供RandomForestClassifier对象时,其名称将命名为“RandomForestClassifier”,而不是您所想的“clf”。

因此,现在您创建的参数网格无效,因为它包含 clf__ 并且它不存在于管道中。

解决方案1:

替换此行:

pca_clf = make_pipeline(pca, clf) 

具有

pca_clf = Pipeline([('pca', pca), ('clf', clf)])

解决方案2:

如果您不想更改 pca_clf = make_pipeline(pca, clf) 行,然后替换 parameters “randomforestclassifier”如下所示:

parameters = {'randomforestclassifier__n_estimators': [4, 6, 9], 
              'randomforestclassifier__max_features': ['log2', 'sqrt','auto'],
              'randomforestclassifier__criterion': ['entropy', 'gini'], 
              'randomforestclassifier__max_depth': [2, 3, 5, 10], 
              'randomforestclassifier__min_samples_split': [2, 3, 5],
              'randomforestclassifier__min_samples_leaf': [1,5,8] }

旁注 :无需在代码中执行此操作:

clf = grid_RF.best_estimator_
clf.fit(X_train, y_train)

这个 best_estimator_ 将已安装具有最佳参数的整个数据,因此您可以调用 clf.fit() 是多余的。