使用 sklearn Pipeline 和 MultiOutputRegressor 访问属性

Posted 2023-03-12

【中文标题】使用 sklearn Pipeline 和 MultiOutputRegressor 访问属性

【英文标题】：Access attributes with sklearn Pipeline and MultiOutputRegressor

【发布时间】：2020-02-12 00:11:36

【问题描述】：

假设一个机器学习模型，比如 LightGBM 的LGBMRegressor，有一个属性best_iteration_。在调用fit 方法后如何访问此属性，从而利用了sklearn 的Pipeline 和MultiOutputRegressor？

对于Pipeline，我试过named_steps：

foo.named_steps['reg']

返回以下对象sklearn.multioutput.MultiOutputRegressor.

然后，我尝试了.estimators_：

foo.named_steps['reg'].estimators_

返回一个列表。但是，该列表包含提供给模型的初始参数。

有人能解释一下访问模型属性的理想方式吗？

【问题讨论】：

这可能是解决方案的一部分：***.com/questions/28822756/…

【参考方案1】：

我假设foo 是一个 sklearn 管道对象，如果是这样，您可能可以这样做：

for e in foo.named_steps['reg'].estimators_:
    print(e.best_iteration_)

foo.named_steps['reg'].estimators_ 返回估算器列表 MultiOutputRegressor 内部。 e 是您使用的 LGBMRegressor 在 MultiOutputRegressor 内部。

您可以将best_iteration_ 替换为您想要访问的模型的任何属性。

【讨论】：

是的，foo 的类型为 sklearn.pipeline.Pipeline。但是，我尝试了您的for 循环建议，并返回了None。

根据documentation，我引用：The best iteration of fitted model if early_stopping_rounds has been specified.你需要指定early_stopping_rounds否则它会返回None。