Python sckit learn RandomizedSearchCV没有属性'；最佳估计量x27；使用Keras回归时

我正在使用

tf.keras

和

tensorflow 2.x

并尝试在

scikit-learn

中使用

RandomizedSearchCV

调整简单MLP模型的超参数 软件包和python版本：

python 3.7.5

，

scikit学习0.22.2

，以及

tensorflow 2.1.0

我尝试搜索：

• 隐藏层的最佳深度（数量）（即

  n\u hidden

  ）
• 每层中神经的最佳数量，其中每个隐藏层具有相同数量的神经（即

  n_neurous

  ）
• 最佳学习率（即

  lr

  ）

从sklearn.model_选择导入随机搜索CV
从scipy.stats导入
从tensorflow进口keras
导入tensorflow作为tf
将numpy作为np导入
def build_keras（n_hidden=3，n_neurous=30，lr=1e-3，input_shape=[8]）：
#用于建筑路缘石
model=keras.models.Sequential（）
model.add（keras.layers.InputLayer（输入形状=输入形状））
#有n_隐藏的密集层
对于范围内的i（n_隐藏）：
model.add（keras.layers.density（n_neurous，activation='relu'））
#输出层
模型.添加（keras.层.致密（1））
compile（loss='mse'，optimizer=keras.optimizers.SGD（lr=lr））
回归模型
keras\u reg=keras.wrappers.scikit\u learn.keras回归器（build\u keras）
搜索参数={
‘n_hidden’：[1,3,5,7]，
n_neurous：阿兰奇np.arange（1100），
“lr”：倒数（3e-4，3e-2）
}
rnd_搜索=随机搜索cv（keras_reg，搜索参数，cv=3，n_iter=10）
rnd_search.fit（X_train_trans，y_train，epochs=100，validation_data=（X_val_trans，y_val），
回调=[keras.callbacks.earlystoping（耐心=5）]）
rnd_search.best_params工作正常
rnd_search.best_score效果良好
rnd_搜索_cv.best_估计器35;错误：无属性