有关提取TPOT探索的得分低于最高得分的模型的问题

Question

在完成基于TPOT的模型时，我对探索的模型感到好奇。我发现使用这个：

models_tested = pd.DataFrame(tpot.evaluated_individuals_).transpose()

如果按internal_cv_score对dataFrame进行排序，则可以看到索引位置为0的顶部模型，以及其他测试模型的cv_score。例如：

models_tested.sort_values(['internal_cv_score'], ascending=False)[3:6]

将其返回给模型3至6：

然后我可以选择例如模型5：

models_tested.index[5]

返回字符串：

'LassoLarsCV(SelectPercentile(SelectFwe(LassoLarsCV(input_matrix, LassoLarsCV__normalize=True), SelectFwe__alpha=0.016), SelectPercentile__percentile=79), LassoLarsCV__normalize=True)'

是否可以将模型定义（str）“转换”为实际模型？ TPOT中是否有任何功能可在内部存储该特定模型的拟合方法以得出其CV分数？