AttributeError：'GridSearchCV'对象没有属性'best_estimator_'

我正在使用网格搜索来调整我的模型（随机森林，线性回归等）的参数。所以我保存gs对象grid_searches：AttributeError：'GridSearchCV'对象没有属性'best_estimator_'

gs = GridSearchCV(model, params, cv=cv, n_jobs=n_jobs, 
        verbose=verbose, scoring="mean_squared_error", refit=refit) 
gs.fit(trainX,trainy) 
grid_searches[key] = gs

然后，我要访问的最佳估计为每个模式，以作出预测：

def predict(testX, testy, grid_searches): 
    keys = models.keys() 
    for k in keys: 
     print("Predicting with %s." % k) 
     yhat = grid_searches[k].best_estimator_.predict(testX)

的错误是：

AttributeError: 'GridSearchCV' object has no attribute 'best_estimator_'

那么我应该如何使用网格搜索找到的最佳模型进行预测？

来源

2015-12-09 Klausos Klausos

您应该只能使用'grid_searches [k] .predict（testX）'。在你调用'gs.fit（...）'后，'gs'应该有优化的参数（基于搜索空间）。如果您尝试'grid_searches [k] .predict（...）'，会发生什么？另外，如果您在'gs.fit（...）'下添加一行'print gs.best_estimator_'，会发生什么？ –

从代码摘录中不清楚，你如何设置refit。根据docs，best_estimator_仅在此为True时可用。如果False，您应该仍然能够从grid_scores_中找到性能最佳的参数，然后使用它们与set_params()。

来源

2015-12-09 23:25:05

AttributeError：'GridSearchCV'对象没有属性'best_estimator_'

回答

相关问题