Question

使用 Random Forest 对分类进行网格搜索时，出现此错误。

from sklearn.ensemble import RandomForestRegressor
rf2 = RandomForestRegressor(random_state = 50)
rf2.fit(X_train1, y_train1)

### Grid Search ###
num_leafs = [1, 5, 10, 20, 50, 100]

parameters3 = [{'n_estimators' : range(100,800,20),
             'max_depth': range(1,20,2),
             'min_samples_leaf':num_leafs
             }]


gs3 = GridSearchCV(estimator=rf2,
                  param_grid=parameters3,
                  cv = 10,
                  n_jobs = -1)

gs3 = rf2.fit(X_train1, y_train1)

gs3.best_params_ # <- thats where I get the Error

我不知道问题所在，因为它与SVM和决策树的工作方式相同（当然是不同的参数）。

预先感谢

Answer 1

好吧，您不适合GridSearch对象，而是适合model（rf2），然后将其分配给gs3参数。

您有：

gs3 = GridSearchCV(estimator=rf2,
                  param_grid=parameters3,
                  cv = 10,
                  n_jobs = -1)
gs3 = rf2.fit(X_train1, y_train1)
gs3.best_params_ # <- thats where I get the Error

您需要：

gs3 = GridSearchCV(estimator=rf2,
                  param_grid=parameters3,
                  cv = 10,
                  n_jobs = -1)
gs3.fit(X_train1, y_train1) # fit the GridSearchCV object
gs3.best_params_ # <- thats where I get the Error

Answer 2

替换此： gs3 = rf2.fit(X_train1, y_train1)

通过： gs3.fit(X_train1, y_train1)

然后您将可以使用： gs3.best_params_

您的错误是由于您将gs3重新分配给RandomForest()调用而造成的，因此gs3不再是GridSearchCV对象。

属性错误：“ RandomForestRegressor”对象没有属性“ best_params_”

2 个答案: