2
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?
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? –