Python 如果在管道上使用GridsearchCV，如何在Xgboost中使用model.evals_result（）？

我正在使用XGBoost回归器，如果我在管道上使用GridsearchCV，我有一个关于如何使用model.evals_result（）的问题，它不仅包括模型：

# Define pipeline with feature-selection
pipe_xgb = Pipeline([("selector", SelectKBest(f_regression)),
                      ("xgb_reg", xgboost.XGBRegressor(objective ="reg:squarederror", eval_metric="rmse", 
                                  early_stopping_rounds=10, random_state=42))])
# grid search on a set search space
xgb_cv = GridSearchCV(pipe_xgb, search_space_xgb, cv=10, verbose=0)
xgb_cv = xgb_cv.fit(X_train, y_train)

# get best pipeline as well as model
best_xgb = xgb_cv.best_estimator_
best_model = xgb_cv.best_estimator_[1]

best_model.evals_result()

然而，这给了我

AttributeError: 'XGBRegressor' object has no attribute 'evals_result_'

如果我没有使用管道，而只是对模型参数进行网格搜索，那么

best_xgb.evals_result()

---

会有用的。有什么想法吗？

我想只有当你将

eval\u集

传递给

fit

时，

evals\u结果才会被填充。您应该能够使用
GridSearchCV.fit
中的kwargs
fit_参数执行此操作？（这也是早期停车真正意义重大的必要条件。）