使用 GridsearchCV 为管道中的最佳模型提取 MLPRegressor 属性 (n_iter_)？

Posted 2023-03-12

【中文标题】使用 GridsearchCV 为管道中的最佳模型提取 MLPRegressor 属性 (n_iter_)？

【英文标题】：Extract an MLPRegressor attributes (n_iter_ ) for the best model in a pipeline with GridsearchCV?

【发布时间】：2019-12-17 01:34:18

【问题描述】：

我用管道创建了GridsearchCV，我想提取管道组件 (MLPRegressor) 的一个属性 (n_iter_) 以获得最佳模型。

我正在使用 Python 3.0。

管道的创建

pipeline_steps = [('scaler', StandardScaler()), ('MLPR', MLPRegressor(solver='lbfgs', early_stopping=True, validation_fraction=0.1, max_iter=10000))]

MLPR_parameters = 'MLPR__hidden_layer_sizes':[(50,), (100,), (50,50)], 'MLPR__alpha':[0.001, 10, 1000]

MLPR_pipeline = Pipeline(pipeline_steps)

gridCV_MLPR = GridSearchCV(MLPR_pipeline, MLPR_parameters, cv=kfold)
gridCV_MLPR.fit(X_train, y_train)

当我想用gridCV_GBR.best_params_ 提取最佳模型时，我只有 GridsearchCV 的结果：

'MLPR__alpha': 0.001, 'MLPR__hidden_layer_sizes': (50,)

但我想知道gridCV_MLPR的最佳模型使用的MLPRegressor的迭代次数。

如何通过带有 GridsearhCV 的管道使用为MLPRegressor() 设计的n_iter_ 属性？

【问题讨论】：

gridCV_MLPR.best_estimator_.n_iter_ 呢？

使用这段代码，我有 'Pipeline' 对象没有属性 'n_iter_'。这很正常，因为 .n_iter_ 是 MLPregressor() 的一个属性。它包含在管道中（最好的管道，由 GridsearchCV 定义）。

【参考方案1】：

感谢您的帮助，

我找到了解决方案：

gridCV_MLPR.best_estimator_.named_steps['MLPR'].n_iter_

由于gridCV_MLPR.best_estimator_是一个管道，我们需要用.named_steps['MLPR']选择MLPRegressor参数。

非常感谢您非常非常快速的回答...

【讨论】：

干得好（+1）； 2天后，别忘了accept your own answer。