我想尝试库中的所有回归器。由于我知道一些回归器需要更多的输入，所以我构建了尝试和异常捕获块。

for name, estimator in sklearn.utils.all_estimators(type_filter='regressor'):    model =  make_pipeline(StandardScaler(), estimator)    try:        scores =  cross_validate(model, X, y, scoring='r2')        print(name, ': ', np.mean(scores['test_score']))    except:        print('不会被打印。')

这会多次返回以下片段:

FitFailedWarning: 估计器拟合失败。这次训练-测试分区的这些参数的得分将被设置为nan。详细信息:Traceback (most recent call last):  File "venvpath\lib\site-packages\sklearn\model_selection\_validation.py", line 598, in _fit_and_score    estimator.fit(X_train, y_train, **fit_params)  File "venvpath\venv\lib\site-packages\sklearn\pipeline.py", line 346, in fit    self._final_estimator.fit(Xt, y, **fit_params_last_step)TypeError: fit() 缺少一个必需的位置参数: 'y'

在我看来，这里有两个问题。首先，except 从未被调用。其次，y 输入未被识别。

对任何形式的帮助表示感谢。

回答：

all_estimators 不返回估计器的实例，而只返回它们的类（请参阅文档）。在定义管道时，您应该实例化该类的对象:

for name, estimator in sklearn.utils.all_estimators(type_filter='regressor'):    model =  make_pipeline(StandardScaler(), estimator()) # <-- 此行有改动

注意 estimator 后的 ()。现在您有了可以拟合数据的实际对象。

关于 except 块: 默认情况下，如果发生错误，cross_validate 会将分数设置为 np.nan。要实际引发错误，请在 cross_validate 中设置 error_score='raise':

scores =  cross_validate(model, X, y, scoring='r2', error_score='raise')