Python 属性错误：'；LGBM回归器'；对象没有属性'；功能名称'；

在使用下面的代码训练模型之后，我试图获取特性名称，然后遇到了这样的错误

我已经检查了lightgbm的文档，lightgbm.LGBMRegressionor的属性为“feature\u name\uUx”

（这是链接）

我在jupyter笔记本上运行这个，我的lightGBM版本是2.3.1

我真的不知道，有人能给我一个线索吗

from lightgbm import LGBMRegressor
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.externals import joblib

# load data
iris = load_iris()
data = iris.data
target = iris.target

# split dataset
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2)

# training
gbm = LGBMRegressor(objective='regression', num_leaves=31, learning_rate=0.05, n_estimators=20)
gbm.fit(X_train, y_train, eval_set=[(X_test, y_test)], eval_metric='l1', early_stopping_rounds=5)

# save the model
joblib.dump(gbm, 'loan_model.pkl')


# load the model
gbm = joblib.load('loan_model.pkl')

y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration_)

print('The rmse of prediction is:', mean_squared_error(y_test, y_pred) ** 0.5)

# importances and feature_name_
print('Feature importances:', list(gbm.feature_importances_))

print('Feature names',gbm.feature_name_)# this is where went wrong

这是错误日志

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-1-d982fd40dcd0> in <module>
     32 print('Feature importances:', list(gbm.feature_importances_))
     33 
---> 34 print('Feature names',gbm.feature_name_)

AttributeError: 'LGBMRegressor' object has no attribute 'feature_name_'

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在里面
32打印（'要素重要性：'，列表（gbm.要素重要性））
33
--->34打印（“功能名称”，gbm.功能名称）
AttributeError:“LGBMRegressionr”对象没有属性“feature\u name”

非常感谢你

如以下所述：

feature_name_uu属性最近已合并到master中，尚未包含在任何正式版本中。您可以从源代码下载夜间构建或安装

注意，为了访问特征名称，您必须向Regressionor传递一个熊猫df，而不是numpy数组：

data = pd.DataFrame(iris.data, columns=iris.feature_names)

因此，记住这一点，即使没有

feature\u name\u

属性，您也可以只执行以下操作：

iris.feature_names

正如上面所述：

feature_name_uu属性最近已合并到master中，尚未包含在任何正式版本中。您可以从源代码下载夜间构建或安装

注意，为了访问特征名称，您必须向Regressionor传递一个熊猫df，而不是numpy数组：

data = pd.DataFrame(iris.data, columns=iris.feature_names)

因此，记住这一点，即使没有

feature\u name\u

属性，您也可以只执行以下操作：

iris.feature_names

---

要获取

LGBMRegressor

或

lightgbm

的任何其他ML模型类的功能名称，您可以使用存储此模型的基础增压器的

booster\uu

属性

gbm = LGBMRegressor(objective='regression', num_leaves=31, learning_rate=0.05, n_estimators=20) 
gbm.fit(X_train, y_train, eval_set=[(X_test, y_test)], eval_metric='l1', early_stopping_rounds=5)

boost = gbm.booster_
print('Feature names',boost.feature_name())

---

要获取

LGBMRegressor

或

lightgbm

的任何其他ML模型类的功能名称，您可以使用存储此模型的基础增压器的

booster\uu

属性

gbm = LGBMRegressor(objective='regression', num_leaves=31, learning_rate=0.05, n_estimators=20) 
gbm.fit(X_train, y_train, eval_set=[(X_test, y_test)], eval_metric='l1', early_stopping_rounds=5)

boost = gbm.booster_
print('Feature names',boost.feature_name())