从 sklearn.model_selection.GridSearchCV 获取 keyerror答案

【问题标题】：Getting keyerror from sklearn.model_selection.GridSearchCV从 sklearn.model_selection.GridSearchCV 获取 keyerror
【发布时间】：2019-10-18 08:55:45
【问题描述】：

我正在尝试使用 GridSearchCV 实现决策树分类器。实施后，我尝试访问 cv_results_.mean_train_score 但我遇到了关键错误。

    tuned_parameters = [{'max_depth': [1, 5, 10, 25, 50, 75, 100, 150, 250, 500, 750, 1000], 
                         'min_samples_split' : [5, 10, 25, 50, 75, 150, 250, 500]}] 
    cv_timeSeries = TimeSeriesSplit(n_splits=4).split(X_train)
    base_estimator = DecisionTreeClassifier(class_weight='balanced') 
    gsearch_cv = GridSearchCV(estimator=base_estimator, 
                              param_grid=tuned_parameters, 
                              cv=cv_timeSeries, 
                              scoring='roc_auc', 
                              n_jobs=-1)
    gsearch_cv.fit(X_train, y_train)

当我尝试访问 gsearch_cv 的所有键时，我无法找到字典键 mean_train_score。

【问题讨论】：

标签： python machine-learning decision-tree gridsearchcv

【解决方案1】：

能否请您发布产生错误的代码？

mean_train_score 是 cv_results_ 的一个键，所以要获得他的值，你应该：

gsearch_cv = GridSearchCV(estimator=base_estimator, 
                          param_grid=tuned_parameters, 
                          cv=cv_timeSeries, 
                          scoring='roc_auc', 
                          return_train_score=True,
                          n_jobs=-1)
gsearch_cv.fit(X_train, y_train)
gsearch_cv.cv_results_['mean_train_score']

你可以在sklearn页面https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html找到一个完整的例子

【讨论】：

嗨 @Matteo，我尝试运行上面链接中给出的示例，但仍然没有名为 mean_train_score 的键。密钥集合仅包含与 test 相关的分数，而不是 train
嗨，你能把你的'gsearch_cv.cv_results_.keys()'的输出贴出来
sorted(clf.cv_results_.keys()) 输出 ['mean_fit_time', 'mean_score_time', 'mean_test_score', 'param_C', 'param_kernel', 'params', 'rank_test_score', 'split0_test_score '、'split1_test_score'、'split2_test_score'、'split3_test_score'、'split4_test_score'、'std_fit_time'、'std_score_time'、'std_test_score']
尝试运行：gsearch_cv = GridSearchCV(return_train_score=True, estimator=base_estimator, param_grid=tuned_parameters, cv=cv_timeSeries,scoring='roc_auc', n_jobs=-1)

【解决方案2】：

在GridSearchCV中添加参数跟随参数

GridSearchCV(return_train_score=True)

【讨论】：

【解决方案3】：

尝试以下更改：

gsearch_cv = GridSearchCV(estimator=base_estimator,
                          param_grid=tuned_parameters,
                          cv=cv_timeSeries,
                          scoring='roc_auc',
                          return_train_score=True,
                          n_jobs=-1,
                          return_train_score=True)

【讨论】：

这与另一个答案相同，只是添加了两次return_train_score=True。我投票删除这个答案。