使用 GridsearchCV 提取管道中最佳模型的 MLPRegressor 属性（n_iter_）？

Question

我用管道制作了一个 GridsearchCV，我想提取管道组件 (MLPRegressor) 的一个属性 (n_iter_) 以获得最佳模型。

我正在使用 Python 3.0.

创建管道

pipeline_steps = [('scaler', StandardScaler()), ('MLPR', MLPRegressor(solver='lbfgs', early_stopping=True, validation_fraction=0.1, max_iter=10000))]

MLPR_parameters = {'MLPR__hidden_layer_sizes':[(50,), (100,), (50,50)], 'MLPR__alpha':[0.001, 10, 1000]}

MLPR_pipeline = Pipeline(pipeline_steps)

gridCV_MLPR = GridSearchCV(MLPR_pipeline, MLPR_parameters, cv=kfold)
gridCV_MLPR.fit(X_train, y_train)

当我想用 gridCV_GBR.best_params_ 提取最佳模型时，我只有 GridsearchCV 的结果：

{'MLPR__alpha': 0.001, 'MLPR__hidden_layer_sizes': (50,)}

但是我想要gridCV_MLPR的最佳模型使用的MLPRegressor的迭代次数。

如何通过 GridsearhCV 管道使用为 MLPRegressor() 设计的 n_iter_ 属性？

Answer 1

感谢您的帮助，

我找到了解决方案：

gridCV_MLPR.best_estimator_.named_steps['MLPR'].n_iter_

由于 gridCV_MLPR.best_estimator_ 是管道，我们需要 select MLPRegressor 参数 .named_steps['MLPR'].

非常感谢您非常非常快速的回答...

使用 GridsearchCV 提取管道中最佳模型的 MLPRegressor 属性（n_iter_）？

Extract an MLPRegressor attributes (n_iter_ ) for the best model in a pipeline with GridsearchCV?

python

scikit-learn

pipeline

gridsearchcv

mlp