ValueError: Pipeline.fit does not accept the sample_weight parameter. You can pass parameters to specific steps of your pipeline using the stepname__parameter format, e.g. `Pipeline.fit(X, y, logisticregression__sample_weight=sample_weight)`.
Pipeline.fit nu știe căruia dintre pași îi este destinat sample_weight. Trimite-l explicit pasului modelului, cu numele lui urmat de două liniuțe jos: pipe.fit(X, y, model__sample_weight=w) sau, la make_pipeline, logisticregression__sample_weight=w.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Un Pipeline are mai mulți pași, iar un parametru de antrenare ca sample_weight (ponderea fiecărui rând) are sens doar pentru unii dintre ei, de obicei pentru model. Ca să nu ghicească, Pipeline-ul cere forma numepas__parametru. Mesajul îți dă chiar exemplul potrivit codului tău: în make_pipeline, pasul se numește după clasă, cu litere mici, de exemplu logisticregression.
Aceeași regulă se aplică la GridSearchCV.fit, cross_val_score(..., params={...}) și la orice alt parametru de fit (de exemplu eval_set la unele biblioteci). Numele pașilor le vezi cu list(pipe.named_steps). Atenție: dacă ai dat pașilor nume proprii (Pipeline([("model", ...)])), prefixul este numele tău, model__sample_weight.
De ce apare: cauzele frecvente
1sample_weight dat direct Pipeline-ului
pipe = make_pipeline(StandardScaler(), LogisticRegression())
pipe.fit(X, y, sample_weight=ponderi)pipe = make_pipeline(StandardScaler(), LogisticRegression())
pipe.fit(X, y, logisticregression__sample_weight=ponderi)Prefixul logisticregression__ spune Pipeline-ului să dea ponderile doar modelului.
2Pipeline cu pași numiți de tine
pipe = Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())])
pipe.fit(X, y, logisticregression__sample_weight=ponderi)pipe = Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())])
pipe.fit(X, y, model__sample_weight=ponderi)Prefixul este numele pasului din Pipeline, nu numele clasei.
3Ponderi pentru clase dezechilibrate
pipe.fit(X, y, sample_weight=compute_sample_weight("balanced", y))pipe = make_pipeline(StandardScaler(), LogisticRegression(class_weight="balanced"))
pipe.fit(X, y)Dacă vrei doar să echilibrezi clasele, class_weight="balanced" pe model face același lucru, fără parametri la fit.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Pipeline.fit does not accept the sample_weight parameter. Repară apelul lui fit, ca ponderile să ajungă la pasul model, iar programul să afișeze predicțiile pentru 6 și 7 minute.
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
X = [[1], [2], [3], [8], [10], [12], [15], [18]]
y = [0, 0, 0, 1, 0, 1, 1, 1]
ponderi = [1, 1, 1, 5, 1, 1, 1, 1] # clientul de 8 minute e verificat, conteaza mai mult
pipe = Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())])
pipe.fit(X, y, sample_weight=ponderi)
print("Predictii:", pipe.predict([[6], [7]]).tolist())Predictii: [1, 1]
Indiciu
Scrie pipe.fit(X, y, model__sample_weight=ponderi).
Reparația
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
X = [[1], [2], [3], [8], [10], [12], [15], [18]]
y = [0, 0, 0, 1, 0, 1, 1, 1]
ponderi = [1, 1, 1, 5, 1, 1, 1, 1] # clientul de 8 minute e verificat, conteaza mai mult
pipe = Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())])
pipe.fit(X, y, model__sample_weight=ponderi)
print("Predictii:", pipe.predict([[6], [7]]).tolist())De ce merge
Pipeline-ul are doi pași și nu știe care dintre ei trebuie să primească ponderile. Cu model__sample_weight, ele ajung doar la regresia logistică. Rândul de 8 minute, cu ponderea 5, contează cât cinci rânduri, deci modelul mută pragul de decizie spre vizitele mai scurte: 6 și 7 minute sunt clasificate ca cumpărători, deși fără ponderi ar fi primit 0.
Alte forme ale mesajului
ValueError: Pipeline.fit does not accept the sample_weight parameter. You can pass parameters to specific steps of your pipeline using the stepname__parameter format, e.g. `Pipeline.fit(X, y, model__sample_weight=sample_weight)`.TypeError: fit() got an unexpected keyword argument 'sample_weight'
Cum o eviți pe viitor
Dă pașilor din Pipeline nume scurte ("prep", "model"), ca prefixele să fie ușor de scris: model__sample_weight, model__C în grile. Când un parametru de antrenare trebuie să ajungă la model, scrie-l mereu cu prefix. Pentru echilibrarea claselor, preferă class_weight pe model.
Întrebări frecvente
De ce am două liniuțe jos și nu una?
Pentru că numele pașilor și ale parametrilor pot conține ele însele o liniuță jos (sample_weight). Două liniuțe la rând separă clar pasul de parametru.
Scaler-ul trebuie să primească și el ponderile?
De obicei nu. StandardScaler acceptă sample_weight, iar dacă vrei, îl poți trimite și lui cu standardscaler__sample_weight. În cele mai multe proiecte e suficient pentru model.
Erori înrudite
ValueError: Invalid parameter 'C' for estimator Pipeline(steps=[('scaler', StandardScaler()), ('model', LogisticRegression())]). Valid parameters are: ['memory', 'steps', 'transform_input', 'verbose']. Ai dat lui GridSearchCV (sau lui set_params) un parametru al modelului direct pipeline-ului. Într-un pipeline, parametrii pașilor se scriu cu numele pasului și două underscore-uri: 'model__C' în loc de 'C'. TypeError: All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough' 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't Într-un Pipeline, toți pașii în afară de ultimul trebuie să fie transformatori (scaler, encoder, imputer), iar modelul trebuie să fie ultimul. Aici modelul a fost pus înaintea scaler-ului. Mută modelul la final: Pipeline([('scaler', StandardScaler()), ('model', LogisticRegression())]). AttributeError: 'Pipeline' object has no attribute 'feature_importances_' feature_importances_ aparține modelului (de exemplu RandomForestClassifier), nu Pipeline-ului care îl conține. Ia ultimul pas cu pipe[-1] sau pipe.named_steps["model"] și citește atributul de acolo; la GridSearchCV, folosește grid.best_estimator_. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
