在 sklear 风格的类中指定自定义参数

Question

我正在尝试用 Python 实现我自己的、与 sklearn 兼容的分类器。为此，我继承了

BaseEstimator

和

ClassifierMixin

，但我还在构造函数中定义了自己的参数。

在调试时，我注意到在 IPython 控制台中交互调用

__repr__()

会产生一个

AttributeError

，声称我的分类器缺少我指定的属性。当我将文件作为程序运行时，不会出现此类错误。另外，该错误仅出现在我的 Mac 上的 Spyder 中，但不会出现在 Windows 上的 PyCharm 中。

这是我的最小可重现示例：

from sklearn.base import BaseEstimator, ClassifierMixin


class MyClassifier(BaseEstimator, ClassifierMixin):
  def __repr__(self, **kwargs):
    return "In MyClassifier.__repr__() ..."

  def __init__(self, my_arg=0):
    pass


mc = MyClassifier()
# The following line produces
#     AttributeError: 'MyClassifier' object has no attribute 'my_arg'
# but only when run interactively:
mc

我还注意到，如果我不继承自

BaseEstimator

，则不会出现该错误。另外，如果我将

my_arg

分配给同名的成员变量，则不会出现该错误：在

__init__()

中，用

self.my_arg = my_arg

替换

pass

。

self.my_differently_named_arg = my_arg

，另一方面，没有帮助。

那么，是否存在一些隐含的约定，即成员变量必须与形式参数具有相同的名称，或者它是 Spyder 中的一个怪癖，还是在 Mac 上的 Python 实现中、在 sklearn 中、在 PyCharm 中、在 Windows 上的 Python 实现中，还是我做错了什么？

我的配置是：Spyder 是 5.5.2、Python 3.9.7、IPython 8.18.1、sklearn 1.3.2，我的 Mac 是 Intel Core i7 和 Sonoma 14.4.1。

Answer 1

如文档中所述：

In addition, every keyword argument accepted by __init__ should correspond to an attribute on the instance. Scikit-learn relies on this to find the relevant attributes to set on an estimator when doing model selection.

P.S：查看文档或您在互联网上找到的任何其他资源，在开发自定义分类器后，您应该了解一些其他约定。例如：

__init__

中不应该有任何逻辑，甚至不能进行输入验证。