属性错误：'GridSearchCV'对象没有属性'best_estimator_'

Question

我正在使用网格搜索来调整我的模型的参数（随机森林、线性回归等）。因此，我将gs对象保存在grid_searches:中

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

然后我想访问每个模型的最佳估计器，以便进行预测：

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)

错误如下：

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呢？

Answer 1

从代码摘录中还不清楚如何设置refit。根据文档，best_estimator_仅在为True时可用。如果是False，您应该仍然能够从grid_scores_中找到性能最好的参数，然后将它们与set_params()一起使用。