Scikit learn `'；GridSearchCV'；对象没有属性'；最佳得分我是否误解了gridsearch的使用？

我试图在sklearn中的线性回归模型中完成网格搜索。我有以下代码：

from sklearn.linear_model import Ridge
from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV

X_train, X_test, y_train, y_test = train_test_split(X, star, test_size = 0.33, random_state = 42)

alphas = np.array([100,10,1,0.1,0.01,0.001,0.0001,0])
Rmodel = Ridge()

grid = GridSearchCV(estimator=Rmodel, param_grid=dict(alphas=alphas))

gridfit = Rmodel.fit(X_train, y_train)
print(grid.best_score_)
print(grid.best_estimator_.alpha)

错误

File "nlp2.py", line 77, in <module>
print(grid.best_score_)
AttributeError: 'GridSearchCV' object has no attribute 'best_score_'

文件“nlp2.py”，第77行，在
打印（网格最佳分数）
AttributeError:“GridSearchCV”对象没有“最佳分数”属性

---

我是否忽略或遗漏了任何重要步骤？谢谢

你用错了。为什么不用大量的例子来检查文档呢？您创建了

网格

对象，但在基本估计器

Rmodel

上进行拟合。您必须适应

网格

（基本估计器对象没有网格对象存在的信息；相反，它是不同的）！另外：

fit

不会返回任何内容。请检查一下。是的，的确如此。我明白了。现在它起作用了。谢谢你的意见。