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

Posted 2023-03-12

【中文标题】属性错误：“RandomForestRegressor”对象没有属性“best_params_”

【英文标题】：Attribute Error: 'RandomForestRegressor' object has no attribute 'best_params_'

【发布时间】：2020-03-13 00:13:57

【问题描述】：

我在使用随机森林为我的分类进行网格搜索时遇到此错误。

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（当然参数不同）。

提前致谢

【参考方案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。

你有：

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

【参考方案2】：

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

这样： gs3.fit(X_train1, y_train1)

然后你就可以使用： gs3.best_params_

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

【讨论】：

谢谢，这就是问题所在！