我已经使用 RandomizedSearchCV 拟合了一个 Pipeline 对象

pipe_sgd = Pipeline([('scl', StandardScaler()),                    ('clf', SGDClassifier(n_jobs=-1))])param_dist_sgd = {'clf__loss': ['log'],                 'clf__penalty': [None, 'l1', 'l2', 'elasticnet'],                 'clf__alpha': np.linspace(0.15, 0.35),                 'clf__n_iter': [3, 5, 7]}sgd_randomized_pipe = RandomizedSearchCV(estimator = pipe_sgd,                                          param_distributions=param_dist_sgd,                                          cv=3, n_iter=30, n_jobs=-1)sgd_randomized_pipe.fit(X_train, y_train)

我想访问 best_estimator_ 的 coef_ 属性，但无法做到。我尝试使用以下代码访问 coef_。

sgd_randomized_pipe.best_estimator_.coef_

然而，我得到了以下 AttributeError…

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

scikit-learn 文档说明 coef_ 是 SGDClassifier 的属性，而 SGDClassifier 是我的 base_estimator_ 的类。

我做错了什么？

回答：

你总可以使用在创建管道时分配给它们的名称，通过使用 named_steps 字典来访问它们。

scaler = sgd_randomized_pipe.best_estimator_.named_steps['scl']classifier = sgd_randomized_pipe.best_estimator_.named_steps['clf']

然后你可以访问所有可用的属性，如 coef_、intercept_ 等，这些属性对应于已拟合的估计器。

这是 Pipeline 正式暴露的属性，如文档中所指定：

named_steps : dict

只读属性，通过用户指定的名称访问任何步骤参数。键是步骤名称，值是步骤参数。