我使用校准的交叉验证来对线性核的SGD分类器进行训练，因为我的损失函数是铰链损失。现在我想获取前10个特征或类别，该怎么做？我尝试使用.coef_，但它没有返回任何错误信息。

linear_svm_sgd=SGDClassifier(penalty=penalty,alpha=i,max_iter=1000,class_weight='balanced')    calibrated_clf= CalibratedClassifierCV(linear_svm_sgd,cv=3, method='sigmoid')    #fit the model on train and predict its probability     clf_model=calibrated_clf.fit(xtrain_bow,ytrain_bow)    predictl1=clf_model.predict_proba(xtrain_bow)    fp_rate, tp_rate, thresholds = roc_curve(ytrain_bow, predictl1[:,1])    #fit the model on cv & predict its probablity    clf_model=calibrated_clf.fit(xcv_bow,ycv_bow)    fp_rate_cv, tp_rate_cv, thresholds = roc_curve(ycv_bow,clf_model.predict_proba(xcv_bow)[:,1])    #saving the value for hyperparamater foe each penalty l1 & l2    if penalty=="l1":        auc_valuel1_train.append(auc(fp_rate,tp_rate))        auc_valuel1_cv.append(auc(fp_rate_cv,tp_rate_cv))    else:        auc_valuel2_train.append(auc(fp_rate,tp_rate))        auc_valuel2_cv.append(auc(fp_rate_cv,tp_rate_cv))

它给出了以下错误

 Top10_features=linear_svm_sgd.coef_

AttributeError: ‘SGDClassifier’ object has no attribute ‘coef_’

回答：

在校准模型之前，只需对SGDClassifier进行.fit操作。

linear_svm_sgd.fit(xtrain_bow, ytrain_bow)calibrated_clf= CalibratedClassifierCV(linear_svm_sgd,cv=3, method='sigmoid')    #fit the model on train and predict its probability clf_model=calibrated_clf.fit(xtrain_bow,ytrain_bow)predictl1=clf_model.predict_proba(xtrain_bow)

然后你就可以访问到系数了。