如何在scikit learn中将参数仅传递给管道对象的一部分？

我需要将参数sample\u weight传递给我的RandomForestClassifier，如下所示：

X=np.数组（[[2.0,2.0,1.0,0.0,1.0,3.0,3.0,1.0,0.0,0.0,0.0,0.0,，
1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 5.0, 3.0,
2.0, '0'],
[15.0, 2.0, 5.0, 5.0, 0.466666666667, 4.0, 3.0, 2.0, 0.0, 0.0, 0.0,
0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0,
7.0, 14.0, 2.0, '0'],
[3.0, 4.0, 3.0, 1.0, 1.33333333333, 1.0, 1.0, 1.0, 0.0, 0.0, 0.0,
0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0,
9.0, 8.0, 2.0, '0'],
[3.0, 2.0, 3.0, 0.0, 0.666666666667, 2.0, 2.0, 1.0, 0.0, 0.0, 0.0,
0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0,
5.0,3.0,1.0，'0']]，数据类型=对象）
y=np.数组（[0,0,1,0.]））
m=sklearn.employ.random分类器(
随机_状态=0，
oob_分数=真，
n_估计量=100，
最小样本叶=5，
最大深度=10）
m、 拟合（X，y，样本重量=np.数组（[3,4,2,3]））

上面的代码工作得非常好。然后，我尝试在管道对象中这样做，使用管道对象而不是仅使用随机林：

m=sklearn.pipeline.pipeline([
（'feature_selection'，sklearn.feature_selection.SelectKBest(
score\u func=sklearn.feature\u selection.f\u回归，
k=25），
（'model'，sklearn.essemble.random）(
随机_状态=0，
oob_分数=真，
n_估计值=500，
最小样本叶=5，
最大深度=10））]）
m、 拟合（X，y，样本重量=np.数组（[3,4,2,3]））

现在，这在fit方法中使用“ValueError:需要超过1个值才能解包””

ValueError回溯（最近一次调用）
&lt；ipython-input-212-c4299f5b3008&gt；在&lt；模块&gt；()
25最大深度=10）]）
26
---&燃气轮机；27 m.拟合（X，y，样本权重=np.数组（[3,4,2,3]））
/usr/local/lib/python2.7/dist-packages/sklearn/pipeline.pyc-in-fit（self，X，y，**fit_参数）
128个数据，然后使用最终估计器拟合转换后的数据。
129         """
--&gt；130 Xt，拟合参数=self.\u pre\u变换（X，y，**拟合参数）
131 self.steps[-1][-1].fit（Xt，y，**fit_参数）
132回归自我
/usr/local/lib/python2.7/dist-packages/sklearn/pipeline.pyc in_pre_transform（self，X，y，**fit_参数）
113 fit_params_steps=dict（（步骤，{}）表示步骤，u在self.steps中）
pname为114，pval为六个。标准（配合参数）：
--&gt；115步骤，参数=名称拆分（“1”）
116拟合参数步骤[步骤][参数]=pval
117 Xt=X
ValueError:需要超过1个值才能解包

我正在使用sklearn版本0.14
我认为问题在于管道中的F选择步骤不包含样本权重的参数。我如何通过运行“fit”将此参数仅传递给管道中的一个步骤？谢谢