...
Eroare Machine Learning · Encodere, ColumnTransformer și Pipeline

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)`.

Pe scurt

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

Greșit
PYTHON
pipe = make_pipeline(StandardScaler(), LogisticRegression())
pipe.fit(X, y, sample_weight=ponderi)
Corect
PYTHON
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

Greșit
PYTHON
pipe = Pipeline([("scaler", StandardScaler()), ("model", LogisticRegression())])
pipe.fit(X, y, logisticregression__sample_weight=ponderi)
Corect
PYTHON
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

Greșit
PYTHON
pipe.fit(X, y, sample_weight=compute_sample_weight("balanced", y))
Corect
PYTHON
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 tu

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.

Codul care dă eroarea
PYTHON
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())
După reparație, programul afișează
Predictii: [1, 1]
Indiciu

Scrie pipe.fit(X, y, model__sample_weight=ponderi).

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

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.