Как получить лучший оценщик на GridSearchCV (Случайный классификатор леса Scikit)

Я запускаю GridSearch CV для оптимизации параметров классификатора в scikit. Как только я закончу, я хотел бы знать, какие параметры были выбраны как лучшие.

Всякий раз, когда я это делаю, я получаю AttributeError: 'RandomForestClassifier' object has no attribute 'best_estimator_' и не может сказать, почему, поскольку он выглядит законным атрибутом документации .

 from sklearn.grid_search import GridSearchCV X = data[usable_columns] y = data[target] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0) rfc = RandomForestClassifier(n_jobs=-1,max_features= 'sqrt' ,n_estimators=50, oob_score = True) param_grid = { 'n_estimators': [200, 700], 'max_features': ['auto', 'sqrt', 'log2'] } CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5) print '\n',CV_rfc.best_estimator_ 

Урожайность:

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

One Solution collect form web for “Как получить лучший оценщик на GridSearchCV (Случайный классификатор леса Scikit)”

Вы должны подгонять свои данные, прежде чем сможете получить наилучшую комбинацию параметров.

 from sklearn.grid_search import GridSearchCV from sklearn.datasets import make_classification from sklearn.ensemble import RandomForestClassifier # Build a classification task using 3 informative features X, y = make_classification(n_samples=1000, n_features=10, n_informative=3, n_redundant=0, n_repeated=0, n_classes=2, random_state=0, shuffle=False) rfc = RandomForestClassifier(n_jobs=-1,max_features= 'sqrt' ,n_estimators=50, oob_score = True) param_grid = { 'n_estimators': [200, 700], 'max_features': ['auto', 'sqrt', 'log2'] } CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5) CV_rfc.fit(X, y) print CV_rfc.best_params_ 
  • Прогностическая способность атрибута для конкретной цели в Python с использованием выбора функции в Sklearn
  • Как читать в списке краев, чтобы сделать скудную разреженную матрицу
  • sklearn selectKbest: какие переменные были выбраны?
  • В чем разница между KFold и ShuffleSplit CV?
  • Функция подсчета очков для RidgeClassifierCV
  • Просмотр Numpy View Without Copy (2d Moving / Sliding Window, Strides, Masked Memory Structures)
  • Ошибка «не удалось преобразовать целочисленную скалярную» при использовании DBSCAN
  • Python - генерировать массив определенной автокорреляции
  • Python - лучший язык программирования в мире.