Python：Ridge 回归 - ''Ridge' 对象在使用 GridSearchCV 后没有属性 'coef_'答案

【问题标题】：Python: Ridge regression - ''Ridge' object has no attribute 'coef_' after using GridSearchCVPython：Ridge 回归 - ''Ridge' 对象在使用 GridSearchCV 后没有属性 'coef_'
【发布时间】：2021-01-17 19:03:07
【问题描述】：

我正在使用 Python 3.6.5 和 scikit-learn 0.23.2

from sklearn.linear_model import Ridge
from sklearn.model_selection import GridSearchCV, cross_val_score

ridge = Ridge()

r_parameters = {'alpha':[1e-15, 1e-10, 1e-8, 1e-4, 1e-3, 1e-2, 1, 5, 10, 20]} # this is the Ridge regressor penalty, across different values

ridge_regressor = GridSearchCV(ridge, r_parameters, scoring = 'neg_mean_squared_error', cv = 5)

ridge_regressor.fit(X,y)

ridge_best_params_ = ridge_regressor.best_params_
ridge_best_score_ = -ridge_regressor.best_score_

这成功地为我提供了 best_params_ 和 best_score_ 值。意思是.fit 已经跑了。 refit 没有调整，所以应该是默认的refit = True

但是，在尝试返回我的岭回归模型的系数时：

for coef, col in enumerate(X.columns):
    print(f"{col}:  {ridge.coef_[coef]}")

它导致我出现以下错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-7-e59d1af522dc> in <module>
      2 
      3 for coef, col in enumerate(X.columns):
----> 4     print(f"{col}:  {ridge.coef_[coef]}")

AttributeError: 'Ridge' object has no attribute 'coef_

感谢任何帮助。

【问题讨论】：

ridge_regressor 已安装，因此它应该具有 coef_ 属性
@FBruzzesi 你的意思是如果我使用for coef, col in enumerate(X.columns): print(f"{col}: {ridge_regressor.coef_[coef]}") 那么我应该得到系数吗？
试试for coef, col in enumerate(X.columns): print(f"{col}: {ridge_regressor.best_estimator_.coef_[coef]}")
@FBruzzesi 从使用ridge.coef_ 更改为ridge_regressor.coef_ 后，我得到了一个新的错误代码，而不是TypeError: 'Ridge' object is not subscriptable

标签： python python-3.x scikit-learn grid-search

【解决方案1】：

ridge（Ridge 实例）在拟合 ridge_regressor（GridSearchCV 实例）时实际上并没有拟合；相反，安装了ridge 的克隆，并将其中的一个另存为ridge.best_estimator_。所以ridge.best_estimator_.coef_ 将包含改装模型的系数。

注意GridSearchCV确实提供了一些方便的功能来访问best_estimator_；例如ridge.score 只是 ridge.best_estimator_.score 的简写，predict 及其变体也类似。但它并没有为best_estimator_ 的所有方法/属性提供这种直通，而coef_ 是不可用的方法/属性之一。

【讨论】：