1

我想编写一个代码，网格搜索几个处理器和预处理器，但也搜索不同的功能组合。我通过在 gridsearchCV 中使用 RFECV 来做到这一点。但是，这需要很长时间才能运行。因此，我颠倒了顺序。我进行了网格搜索，然后将其放入 RFECV 中。现在，我想查看并打印在最佳模型中实际选择了哪些功能。我尝试了这个网站上的几个解决方案，但没有一个奏效。如何访问选定的功能？两者都grid_dem.get_support(indices=True)没有grid_dem.support_工作。我得到这个和其他类似的错误：AttributeError: 'RFECV' object has no attribute 'support_'

我的代码的相关部分是：

pipe = Pipeline([('preprocessing', StandardScaler()), ('rbf_svm', SVC(max_iter=1e6))])
param_grid ={'preprocessing': [StandardScaler(), MinMaxScaler(), Normalizer(), RobustScaler()],
     'rbf_svm__kernel': ['rbf', 'poly', 'linear', 'sigmoid'],
     'rbf_svm__C': np.logspace(-3,2,5), 'rbf_svm__gamma': np.logspace(-3,2,5)}

    # {'preprocessing': [StandardScaler(), MinMaxScaler(), Normalizer(), RobustScaler()],
    #  'rbf_svm': [LogisticRegression(max_iter=1e6)],
    #  'logisticregression__C': np.logspace(-3,2,5)}]

grid_dem = GridSearchCV(pipe, param_grid, cv=5,verbose=5,n_jobs=3)
grid_dem.fit(X_democrat_train,y_democrat_train)
grid_dem.score(X_democrat_test,y_democrat_test)
print(grid_dem.best_estimator_)
rfecv=RFECV(grid_dem, verbose=3)
print(rfecv)
print(rfecv.get_support(indices=True))
# rfecv=rfecv.fit_transform(X_democrat_train, y_democrat_train)
# print(rfecv.get_params())

正如您在最后两行中看到的，我也尝试转换 X，但这也不起作用。

4

1 回答 1

1

您已将管道发送到 gridSearch。所以best_estimator_将返回一个管道。但grid_dem仍然是一个 GridSearchCV 对象。所以显然get_support()行不通。之后，您将其传递grid_dem给RFECV但没有调用fit()它。这就是为什么support_不可用。

请像这样更新您的代码：

rfecv=RFECV(grid_dem.best_estimator_, verbose=3)  <==Edited
rfecv.fit(X_democrat_train,y_democrat_train)   #<==This is what you want
print(rfecv.get_support(indices=True))  
# rfecv=rfecv.fit_transform(X_democrat_train, y_democrat_train)
# print(rfecv.get_params())mocrat_train,y_democrat_train)
于 2017-12-15T02:21:36.083 回答