如何用PyCaret获取次优模型参数？以随机森林为例

问题原因 #

compare_models() 默认仅返回单个最优模型（这里是Light Gradient Boosting Machine），它是一个单独的模型对象而非列表，因此无法通过下标[1]访问其他模型，这就是触发TypeError的原因。

解决方法 #

下面提供几种可行的方式查看随机森林的参数：

方法1：获取多个模型后筛选随机森林

修改compare_models()的参数，让它返回Top N个模型，再从中筛选出随机森林：

# 返回对比结果中Top3的模型
top_models = compare_models(n_select=3)

# 遍历找到随机森林模型
rf_model = None
for model in top_models:
    if "RandomForestClassifier" in str(type(model)):
        rf_model = model
        break

# 查看随机森林参数
if rf_model:
    display(rf_model)

方法2：直接创建随机森林模型查看参数

如果只想查看PyCaret中随机森林的默认参数，直接用create_model()初始化模型即可：

# 创建随机森林模型
rf_model = create_model('rf')

# 查看参数
display(rf_model)

方法3：从实验结果中定位随机森林并查看参数

先获取所有模型的对比结果，再创建对应模型查看参数：

# 获取所有模型的对比结果表
model_comparison = pull()

# 查看随机森林的性能指标（可选）
print(model_comparison[model_comparison['Model'] == 'Random Forest'])

# 创建随机森林模型并查看参数
rf_model = create_model('rf')
display(rf_model)

内容的提问来源于stack exchange，提问作者Aristo Lie