Python sklearn | RFECV+；线性回归给出了'；线性回归'；对象没有属性'；coef'&引用；

我有以下代码：

rfe = RFECV(estimator=LinearRegression())
model_all = LinearRegression()
pipeline = Pipeline(steps=[('s',rfe),('m',model_all)])
# evaluate model
cv = RepeatedKFold(n_splits=10, n_repeats=3, random_state=1)
n_scores = cross_val_score(pipeline, X_all, y_all, scoring='neg_root_mean_squared_error', cv=cv, n_jobs=-1, error_score='raise')
# report performance
print('RMSE: {0}'.format(np.mean(n_scores)))

我试图得到线性回归模型的系数来检查特征的重要性：

importance = model_all.coef_
# summarize feature importance
for i,v in enumerate(importance):
    print('Feature: %0d, Score: %.5f' % (i,v))

但它给了我：

AttributeError:“LinearRegression”对象没有属性“coef\ux”

---

如何得到系数？我还想获得使用RFECV过程选择的列的名称。

这里您可以实例化模型：

model_all = LinearRegression()

这将计算管道的cv分数：

n_scores = cross_val_score(pipeline, X_all, y_all, scoring='neg_root_mean_squared_error', cv=cv, n_jobs=-1, error_score='raise')

model\u all

仍然是vanila

LinearRegression（）

对象，并且未安装，因此它没有

coef

属性

# add this
model_all.fit(X_all, y_all)
importance = model_all.coef_

---

嘿，不适合这里吗？你需要向模型展示一些数据，然后才能计算出系数。请原谅我的无知，我现在还没有这么做吗？否则，如何才能达到低MSE？