Python 3.x 网格搜索

我正在使用python实现KNN，它正在工作

现在我得到一个错误：

没有名为“sklearn.grid\u搜索”的模块

当我将程序包更改为sklean.model_selection时，我收到另一个错误：

“GridSearchCV”对象没有属性“grid\u分数”

这是我的密码：

从sklearn.grid\u搜索导入GridSearchCV
从sklearn.neighbors导入KNeighborsClassifier
将matplotlib.pyplot作为plt导入
#定义应搜索的参数值
#对于python 2，k_range=range（1,31）
#实例化模型
knn=KNeighborsClassifier（n_作业=-1）
k_范围=列表（范围（1,31））
打印（k_范围）
#创建参数网格：将参数名称映射到应搜索的值
#只是一本python字典
#关键字：参数名
#值：应搜索该参数的值的列表
#参数网格的单个键值对
参数网格=dict（n_邻居=k_范围）
打印（参数网格）
#实例化网格
grid=GridSearchCV（knn，参数网格，cv=10，评分=‘准确度’）
#用数据拟合网格
网格拟合（X，y）
#查看完整结果（命名元组列表）
grid.grid_分数_
#检查第一个元组
#我们将对列表进行切片，并使用点符号和[]选择其元素
打印（'参数'）
打印（grid.grid\u分数[0]。参数）
#在使用参数的10倍cv期间，10个精度分数的数组
打印（“”）
打印（'简历验证分数'）
打印（grid.grid\u分数[0]。cv\u验证\u分数）
#10分的平均值
打印（“”）
打印（'平均验证分数'）
打印（网格。网格分数[0]。平均值验证分数）
#仅创建平均分数列表
#列出理解以循环查看grid.grid\u分数
网格平均分数=[网格中结果的结果平均值验证分数网格平均分数]
打印（网格平均分数）
#绘制结果
#这与我们上面生成的相同
plt.plot（k_范围、网格平均分数）
plt.xlabel（'KNN'的K值）
plt.ylabel（“交叉验证精度”）
#检查最佳模型
#在所有参数中获得的单个最佳分数（k）
打印（网格最佳分数）
#包含用于生成该分数的参数（k）的字典
打印（网格最佳参数）
#实际模型对象符合这些最佳参数
#显示默认参数

我们没有具体说明：

打印（网格最佳估计值）

尝试以下方法：

from sklearn.model_selection import GridSearchCV

参考链接

---

在较新版本中是

cv\u结果

：