AttributeError: 'MultiOutputRegressor' 对象没有属性 'best_params_'

如何解决AttributeError: 'MultiOutputRegressor' 对象没有属性 'best_params_'

我正在尝试使用网格搜索为多输出回归器问题找到最佳参数。我的代码如下：

import xgboost as xgb
from sklearn.datasets import make_multilabel_classification
from sklearn.model_selection import train_test_split
from sklearn.multioutput import MultiOutputClassifier,MultiOutputRegressor
from sklearn.metrics import accuracy_score

parameters = {'nthread':[4],#when use hyperthread,xgboost may become slower
              'objective':['reg:linear'],'learning_rate': [.03,0.05,.07],#so called `eta` value
              'max_depth': [5,6,7],'min_child_weight': [4],'silent': [1],'subsample': [0.7],'colsample_bytree':[0.7],'n_estimators': [500]}
model = xgb.XGBRegressor()
xgb_grid = GridSearchCV(model,parameters,cv = 2,n_jobs = 5,verbose=True)
multilabel_model = MultiOutputRegressor(xgb_grid)
multilabel_model.fit(X_train,y_train)
print(multilabel_model.best_score_)
print(multilabel_model.best_params_)

该模型似乎正确拟合，因为它在执行后运行了一段时间。但是，当它完成时，我尝试运行 best_score_ 和 best_params_ 但都给了我错误。我将如何从多输出回归器中找到最佳参数？提前感谢您的帮助！

编辑： 我也尝试过以下操作：

print(xgb_grid.best_score_)
print(xgb_grid.best_params_)

但这导致了以下错误：AttributeError: 'GridSearchCV' object has no attribute 'best_score_'。 AttributeError: 'GridSearchCV' 对象没有属性 'best_params_'。

这促使我尝试以下操作：

parameters = {'nthread':[4],'learning_rate': [0.03],#,0.07],#so called `eta` value
              'max_depth': [1],5,'n_estimators': [100]}
model = xgb.XGBRegressor()
multilabel_model = MultiOutputRegressor(model)

xgb_grid = GridSearchCV(multilabel_model,verbose=True)

# fit the model
xgb_grid.fit(X_for_training,y_train)

但后来我收到此错误：ValueError: Invalid parameter colsample_bytree for estimator MultiOutputRegressor。我不确定这是为什么，因为它们在参数字典和回归器的参数输入中拼写相同，并且值是浮点数。我是否以某种方式错误地定义了我的参数值？

解决方法

MultiOutputRegressor 类没有这样的属性。也许您正在寻找这个：

    print(xgb_grid.best_score_)
    print(xgb_grid.best_params_)

,

事实证明我定义了我的参数字典错误。工作代码如下：

parameters = {'estimator__nthread':[4],#when use hyperthread,xgboost may become slower
              'estimator__objective':['reg:linear'],'estimator__learning_rate': [0.03,0.05,0.07],#so called `eta` value
              'estimator__max_depth': [5,6,7],'estimator__min_child_weight': [4],'estimator__silent': [1],'estimator__subsample': [0.7],'estimator__colsample_bytree':[0.7]}
              'estimator__n_estimators': [500]}
model = xgb.XGBRegressor()
multilabel_model = MultiOutputRegressor(model)

xgb_grid = GridSearchCV(multilabel_model,parameters,cv = 2,n_jobs = 5,verbose=True)

# fit the model
xgb_grid.fit(X_for_training,y_train)
print(xgb_grid.best_score_)
print(xgb_grid.best_params_)

best_model = xgb_grid.best_estimator_

字典中每个参数之前的 estimator__ 是用来做什么的！