Python 使用GridSearchCV时出现类型错误？

我正在尝试使用

GridSearchCV

调整

RandomForestClassifier

的

n_估计量。但是我得到的类型错误是->
TypeError:get_params（）缺少一个必需的位置参数：“self”

代码：

从sklearn.grid\u搜索导入GridSearchCV
从sklearn.employ导入随机林分类器
n_树=列表（范围（10110,10））
打印（n_树）
[10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
参数网格=dict（n_估计量=n_树）
打印（参数网格）
{'n_估计数'：[10,20,30,40,50,60,70,80,90,100]}
grid=GridSearchCV（RandomForestClassifier，参数网格，cv=5，评分='roc_auc'）
grid.fit（X，y）在
grid=GridSearchCV（RandomForestClassifier，param_grid，cv=5，scoring='roc_auc'）
行中，而不是您编写的内容，尝试一下
grid=GridSearchCV（RandomForestClassifier（），param_grid，cv=5，scoring='roc_auc'）

我不能肯定。。因为你没有给我
X
和
y
，或者我可以在我的笔记本电脑上复制它，让你知道它是否有效

让我知道它是否有效
 你试过我的解决方案吗？你需要传递分类器而不是基类作为估计器。因此，将
（）
添加到基类，即
RandomForestClassifier（）
我将在5分钟后通知您，因为现在
网格.fit（X，y）
正在运行，需要时间：）
from sklearn.grid_search import GridSearchCV
from sklearn.ensemble import RandomForestClassifier

n_trees = list(range(10,110,10))
print(n_trees)

[10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

param_grid = dict(n_estimators=n_trees)
print(param_grid)

{'n_estimators': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}

grid = GridSearchCV(RandomForestClassifier, param_grid, cv=5, scoring='roc_auc')


grid.fit(X,y)   <--- Getting error at this cell