Python 使用sklearn管道和MultiOutputRegressor访问属性

假设一个机器学习模型，比如LightGBM的

LGBMRegressionor

，有一个属性

best\u iteration

。调用

fit

方法后如何访问此属性，从而使用sklearn的

管道

和

多输出分离器

对于

管道

我尝试了

命名步骤

：

foo.named_steps['reg']

它返回以下对象

sklearn.multioutput.MultiOutputRegressor.

然后，我尝试了

.estimators\uu

：

foo.named_steps['reg'].estimators_

返回一个列表。但是，该列表包含提供给模型的初始参数

---

有人能解释一下访问模型属性的理想方法吗？

我假设

foo

是一个sklearn管道对象，如果是这样，您可能可以这样做：

for e in foo.named_steps['reg'].estimators_:
    print(e.best_iteration_)

• foo.named_steps['reg'].estimators_u

  返回估计器列表 多输出分离器的内部

• e

  是您使用的LGBM回归器 多输出分离器内部

---

您可以用您想要访问的模型的任何属性替换

best\u iteration.

。

这可能是解决方案的一部分：是的，

foo

具有类型

sklearn.pipeline.pipeline

。但是，我尝试了您的

循环建议，并且返回了
无
。根据，我引用：
如果指定了提前停止循环，则拟合模型的最佳迭代。
您需要指定
提前停止循环
，否则它将不返回任何循环。