在 Scikit Learn 中使用网格搜索 (GridSearchCV) 和管道的支持向量回归 (SVR) 中的系数答案

【问题标题】：Coefficient in support vector regression (SVR) using grid search (GridSearchCV) and Pipeline in Scikit Learn在 Scikit Learn 中使用网格搜索 (GridSearchCV) 和管道的支持向量回归 (SVR) 中的系数
【发布时间】：2017-03-26 21:55:29
【问题描述】：

当模型嵌入管道和网格搜索时，我无法在 scikit learn 中访问支持向量回归模型 (SVR) 的系数。考虑以下示例：

from sklearn.datasets import load_iris
import numpy as np
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
from sklearn.feature_selection import SelectKBest
from sklearn.pipeline import Pipeline

iris = load_iris()
X_train = iris.data
y_train = iris.target

clf = SVR(kernel='linear')
select = SelectKBest(k=2)
steps = [('feature_selection', select), ('svr', clf)]
pipeline = Pipeline(steps)
grid = GridSearchCV(pipeline, param_grid={"svr__C":[10,10,100],"svr__gamma": np.logspace(-2, 2)})
grid.fit(X_train, y_train)

这似乎工作正常，但是当我尝试访问最佳拟合模型的系数时

grid.best_estimator_.coef_

我收到一条错误消息：AttributeError: 'Pipeline' object has no attribute 'coef_'。

我还尝试访问管道的各个步骤：

pipeline.named_steps['svr']

但在那里找不到系数。

【问题讨论】：

标签： regression svm python scikit-learn

【解决方案1】：

刚好遇到同样的问题，this post 有答案： grid.best_estimator_ 包含管道的一个实例，它由steps 组成。最后一步应该始终是估算器，因此您应该始终在以下位置找到系数：

grid.best_estimator_.steps[-1][1].coef_

【讨论】：