Utiliser GridSearchCV avec AdaBoost et DecisionTreeClassifier

J'essaie d'accorder un AdaBoost Classificateur ("ABT") à l'aide d'un DecisionTreeClassifier ("DTC") comme le base_estimator. Je voudrais tune les deux ABT et DTC paramètres simultanément, mais je ne suis pas sûr de la façon d'accomplir ce pipeline ne devrait pas fonctionner, car je ne suis pas "tuyauterie" la sortie de la DTC ABT. L'idée serait d'itérer hyper paramètres pour la CAF et de DTC dans le GridSearchCV estimateur.

Comment puis-je spécifier les paramètres de réglage correctement?

J'ai essayé la suivante, ce qui a généré une erreur ci-dessous.

[IN]
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn.grid_search import GridSearchCV

param_grid = {dtc__criterion : ["gini", "entropy"],
              dtc__splitter :   ["best", "random"],
              abc__n_estimators: [none, 1, 2]
             }


DTC = DecisionTreeClassifier(random_state = 11, max_features = "auto", class_weight = "auto",max_depth = None)

ABC = AdaBoostClassifier(base_estimator = DTC)

# run grid search
grid_search_ABC = GridSearchCV(ABC, param_grid=param_grid, scoring = 'roc_auc')

[OUT]
ValueError: Invalid parameter dtc for estimator AdaBoostClassifier(algorithm='SAMME.R',
      base_estimator=DecisionTreeClassifier(class_weight='auto', criterion='gini', max_depth=None,
        max_features='auto', max_leaf_nodes=None, min_samples_leaf=1,
        min_samples_split=2, min_weight_fraction_leaf=0.0,
        random_state=11, splitter='best'),
      learning_rate=1.0, n_estimators=50, random_state=11)

source d'informationauteur GPB