Question

我使用GridSearchCV和管道对som文本文档进行分类。

下方插入了一个代码段

clf = Pipeline([('vect', TfidfVectorizer()), ('clf', SVC())])
parameters = {'vect__ngram_range' : [(1,2)], 'vect__min_df' : [2], 'vect__stop_words' : ['english'],
                  'vect__lowercase' : [True], 'vect__norm' : ['l2'], 'vect__analyzer' : ['word'], 'vect__binary' : [True], 
                  'clf__kernel' : ['rbf'], 'clf__C' : [100], 'clf__gamma' : [0.01], 'clf__probability' : [True]} 
grid_search = GridSearchCV(clf, parameters, n_jobs = -2, refit = True, cv = 10)
grid_search.fit(corpus, labels)

我的问题是，当使用grid_serach.predict_proba(new_doc)然后想要找出概率与grid_search.classes_对应的类时，我会收到以下错误

AttributeError：＆＃39; GridSearchCV＆＃39;对象没有属性＆＃39;类_＆＃39;

我错过了什么？我想如果最后一步＆＃34;步骤＆＃34;在管道中是一个分类器，然后GridSearchCV的返回也是一个分类器。因此，可以使用该分类器的属性，例如， classes_

先谢谢了！

Answer 1

尝试grid_search.best_estimator_.classes_。

GridSearchCV的返回是一个GridSearchCV实例，它本身并不是一个估算器。相反，它为它尝试的每个参数组合实例化一个新的估算器（参见the docs）。

您可能认为返回值是分类器，因为您可以在predict时使用predict_proba或refit=True等方法，但GridSearchCV.predict_proba实际上看起来像（扰流者来自来源）：

def predict_proba(self, X):
    """Call predict_proba on the estimator with the best found parameters.
    Only available if ``refit=True`` and the underlying estimator supports
    ``predict_proba``.
    Parameters
    -----------
    X : indexable, length n_samples
        Must fulfill the input assumptions of the
        underlying estimator.
    """
    return self.best_estimator_.predict_proba(X)

希望这有帮助。

Answer 2

正如上面的评论中所提到的，grid_search.best_estimator_.classes_返回了一条错误消息，因为它返回了一个没有属性.classes_的管道。但是，通过首先调用管道的步骤分类器，我可以使用classes属性。这是解决方案

grid_search.best_estimator_.named_steps['clf'].classes_

获取相应的类到predict_proba（GridSearchCV sklearn）

2 个答案: