我有两个函数，分别是训练函数和逻辑回归函数，主函数是训练函数，它在内部运行逻辑回归函数。

当我执行训练函数时，它会报错，

NameError: name 'clf_hyper' is not defined

我认为这是因为我没有获取到逻辑回归函数中生成的clf_hyper变量，

逻辑回归函数，

from sklearn import model_selectiondef logreg(clf,xtrain, ytrain):    # 定义参数网格    # 这可以是一个字典或字典列表    param_grid = {        #"solver": ['newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'],        #"penalty": ['none', 'l1', 'l2', 'elasticnet'],        "C": [100, 10]    }    # 初始化网格搜索    model = model_selection.GridSearchCV(        estimator = clf,        param_grid = param_grid,        scoring = "accuracy",        verbose = 10,        n_jobs = 1    )    # 拟合模型并提取最佳得分    model.fit(xtrain, ytrain)    best_parameters = model.best_estimator_.get_params()    for param_name in sorted(param_grid.keys()):        print(f"\t{param_name}: {best_parameters[param_name]}")    # 使用最佳估计器初始化模型    clf_hyper = model.best_estimator_

训练函数，

那么，如果我不使用类，如何在训练函数中使用逻辑回归函数中的clf_hyper变量呢？谢谢

回答：

我会尝试（如果可能的话？）直接从Logreg()函数返回clf_hyper变量。你可以通过调用函数来获取clf_hyper的值。

def logreg(clf, xtrain, ytrain):    ...    return clf_hyperdef run(fold, model, vectorizer):    ...    #返回clf_hyper并执行函数    return hyperparameter.logreg(clf,xtrain,ytrain)