我正在使用scikit-learn构建一个管道。一旦管道构建完成，我使用GridSearchCV来寻找最优模型。我在处理文本数据，因此我在尝试不同的词干提取器。我创建了一个名为Preprocessor的类，它接受一个词干提取器和向量化器类，然后尝试重写向量化器的build_analyzer方法以整合给定的词干提取器。然而，我发现GridSearchCV的set_params方法直接访问实例变量——也就是说，它不会像我做的那样重新实例化一个带有新分析器的向量化器:
class Preprocessor(object): # 暂时硬编码停用词 stopwords = nltk.corpus.stopwords.words() def __init__(self, stemmer_cls, vectorizer_cls): self.stemmer = stemmer_cls() analyzer = self._build_analyzer(self.stemmer, vectorizer_cls) self.vectorizer = vectorizer_cls(stopwords=stopwords, analyzer=analyzer, decode_error='ignore') def _build_analyzer(self, stemmer, vectorizer_cls): # 分析器进行分词和小写转换 analyzer = super(vectorizer_cls, self).build_analyzer() return lambda doc: (stemmer.stem(w) for w in analyzer(doc)) def fit(self, **kwargs): return self.vectorizer.fit(kwargs) def transform(self, **kwargs): return self.vectorizer.transform(kwargs) def fit_transform(self, **kwargs): return self.vectorizer.fit_transform(kwargs)所以问题是：如何为传入的所有向量化器类重写build_analyzer方法？
回答：
是的，GridSearchCV直接设置实例字段，然后在更改字段后调用分类器的fit方法。
scikit-learn中的每个分类器都是这样构建的，即__init__仅设置参数字段，所有依赖于进一步工作的对象（如在你的例子中调用_build_analyzer）仅在fit方法内部构建。你需要添加一个额外的字段来存储vectorizer_cls，然后你需要在fit方法内部构建依赖于vectorized_cls和stemmer_cls的对象。
类似于这样:
class Preprocessor(object): # 暂时硬编码停用词 stopwords = nltk.corpus.stopwords.words() def __init__(self, stemmer_cls, vectorizer_cls): self.stemmer_cls = stemmer_cls self.vectorizer_cls = vectorizer_cls def _build_analyzer(self, stemmer, vectorizer_cls): # 分析器进行分词和小写转换 analyzer = super(vectorizer_cls, self).build_analyzer() return lambda doc: (stemmer.stem(w) for w in analyzer(doc)) def fit(self, **kwargs): analyzer = self._build_analyzer(self.stemmer_cls(), vectorizer_cls) self.vectorizer_cls = vectorizer_cls(stopwords=stopwords, analyzer=analyzer, decode_error='ignore') return self.vectorizer_cls.fit(kwargs) def transform(self, **kwargs): return self.vectorizer_cls.transform(kwargs) def fit_transform(self, **kwargs): return self.vectorizer_cls.fit_transform(kwargs)