在使用GridSearchCV时，当我像下面这样进行拟合时：

forest_reg = RandomForestRegressor()grid_search = GridSearchCV(forest_reg, param_grid,cv=5,scoring = 'neg_mean_squared_error')grid_search.fit(X_train,y_train)

然后，当我执行以下代码时，

GridSearch.best_estimator_.feature_importances_ 

它会返回一个值数组，那么我的问题是GridSearch.best_estimator_.feature_importances_这一行返回的是什么值？

回答：

在你的情况下，GridSearch.best_estimator_.feature_importances_返回的是一个RandomForestRegressor对象。

因此，根据RandomForestRegressor的文档：

feature_importances_ : 形状为[n_features]的数组，返回特征重要性（值越高，特征越重要）。

换句话说，它返回的是根据你的训练集X_train中最重要的特征。feature_importances_的每个元素对应X_train的一个特征（例如：feature_importances_的第一个元素指的是X_train的第一列/特征）。

feature_importances_中元素的值越高，对应的X_train中的特征就越重要。