如何在 Pipeline 中使用 GridSearchCV 进行超参数调优？

一、核心规则（必须记住）

在 Pipeline + GridSearchCV 中，参数名写法固定：

步骤名称__参数名称

• 中间是两个英文下划线__
• 前面是你定义 Pipeline 时起的名字
• 后面是模型/预处理类的参数

只要写对参数名，剩下和普通 GridSearch 完全一样！

二、最简可运行完整代码

# 1. 导入库fromsklearn.pipelineimportPipelinefromsklearn.preprocessingimportStandardScalerfromsklearn.ensembleimportRandomForestClassifierfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.datasetsimportload_iris# 2. 数据准备X,y=load_iris(return_X_y=True)X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)# ==================== 3. 构建流水线 ====================pipe=Pipeline([("scaler",StandardScaler()),# 步骤名：scaler("rf",RandomForestClassifier())# 步骤名：rf])# ==================== 4. 定义搜索参数（最关键） ====================param_grid={# scaler 步骤：是否开启均值平移"scaler__with_mean":[True,False],# rf 步骤：决策树数量 & 最大深度"rf__n_estimators":[50,100,200],"rf__max_depth":[3,5,None]}# ==================== 5. 网格搜索（自带交叉验证） ====================grid=GridSearchCV(estimator=pipe,# 传入整个 Pipelineparam_grid=param_grid,cv=5,# 5折交叉验证n_jobs=-1,# 全速CPUverbose=1# 打印进度)# 训练grid.fit(X_train,y_train)# ==================== 6. 输出最优结果 ====================print("最优参数组合：",grid.best_params_)print("最优交叉验证得分：",round(grid.best_score_,3))# 最优模型直接预测best_model=grid.best_estimator_print("测试集得分：",round(best_model.score(X_test,y_test),3))

运行结果示例：

最优参数组合：{'scaler__with_mean': True, 'rf__max_depth': 5, 'rf__n_estimators': 100} 最优交叉验证得分：0.967 测试集得分：0.967

三、详细拆解：每一步怎么写？

1. 先给 Pipeline 步骤起名

pipe=Pipeline([("步骤A",预处理1),("步骤B",预处理2),("模型",算法)])

2. 搜索参数必须用：步骤名__参数

例如：

• StandardScaler 的with_mean
  →scaler__with_mean
• RandomForest 的n_estimators
  →rf__n_estimators
• SVC 的C
  →svc__C

3. 传入 GridSearchCV

grid=GridSearchCV(pipe,param_grid,cv=5)grid.fit(X_train,y_train)

四、超常用模板（直接复制）

模板1：分类任务（标准化 + 逻辑回归）

fromsklearn.linear_modelimportLogisticRegression pipe=Pipeline([("scaler",StandardScaler()),("lr",LogisticRegression())])param_grid={"scaler__with_std":[True,False],"lr__C":[0.1,1,10],"lr__max_iter":[100,200]}grid=GridSearchCV(pipe,param_grid,cv=5)

模板2：带特征选择的 Pipeline（进阶）

fromsklearn.feature_selectionimportSelectKBest pipe=Pipeline([("scaler",StandardScaler()),("select",SelectKBest()),# 特征选择("rf",RandomForestClassifier())])param_grid={"select__k":[3,5,8],# 选3/5/8个特征"rf__max_depth":[3,5,7]}

五、最容易犯的 3 个错误（避坑）

错误1：只写一个下划线

# 错误"rf_n_estimators"# 正确"rf__n_estimators"

错误2：步骤名写错

必须和 Pipeline 里的名字完全一致。

错误3：对树模型做不必要的标准化

随机森林、XGBoost不需要标准化，可以直接去掉 scaler。