Python 属性错误：'；GridSearchCV'；对象没有属性'；最佳估计量x27；

我正在使用网格搜索来调整模型的参数（随机森林、线性回归等）。因此，我将

gs

对象保存在

grid\u搜索中

：

gs = GridSearchCV(model, params, cv=cv, n_jobs=n_jobs,
                  verbose=verbose, scoring="mean_squared_error", refit=refit)
gs.fit(trainX,trainy)
grid_searches[key] = gs

然后，我想访问每个模型的最佳估计器，以便进行预测：

def predict(testX, testy, grid_searches):
    keys = models.keys()
    for k in keys:
        print("Predicting with %s." % k)
        yhat = grid_searches[k].best_estimator_.predict(testX)

错误如下：

AttributeError: 'GridSearchCV' object has no attribute 'best_estimator_'

---

那么，我应该如何使用网格搜索找到的最佳模型进行预测呢？

从代码摘录中不清楚您如何设置

refit

。根据，只有当

为真时，
最佳估计值
才可用。如果
False
，您应该仍然能够从
grid\u分数中找到性能最佳的参数，然后将它们与
set\u params（）一起使用
您应该能够只使用
grid\u搜索[k]。预测（testX）
。调用
gs.fit（…）
后，
gs
应具有优化的参数（基于搜索空间）。如果您只尝试
网格搜索[k]。预测（…）
，会发生什么？另外，如果您在
gs.fit（…）
下使用
print gs.best\u estimator\uu
添加一行，会发生什么情况？