svc_pipeline = make_pipeline(    StandardScaler(), SVC(random_state=1))pipe_svc_bag = BaggingClassifier(    base_estimator=svc_pipeline, n_estimators=10, bootstrap=True, random_state=1)param_grid = [    {'base_estimator__svc__kernel': ['linear', 'poly', 'rbf', 'sigmoid']},    {'base_estimator__svc__C': np.linspace(0.1, 2, 20)}]svc_bag_grid = GridSearchCV(    estimator=pipe_svc_bag, param_grid=param_grid, cv=10)svc_bag_grid.fit(X, y)print(svc_bag_grid.best_params_)

我在 param_grid 中指定了两个参数，当我调用 svc_bag_grid.best_params_ 时，它只返回 {'base_estimator__svc__kernel': 'linear'}，但我也想知道我在 param_grid 中为 SVC() 指定的最佳 C 值。

回答：

param_grid 需要是一个字典，每个参数是其中的一个元素。而不是像你那样的一系列字典…

param_grid = {'base_estimator__svc__C': np.linspace(0.1, 2, 20),    'base_estimator__svc__kernel': ['linear', 'poly', 'rbf', 'sigmoid']}