如何获取对应最佳score的coef系数而非best_estimator的系数？

问题的核心在于best_estimator_是GridSearchCV用全量数据重新拟合得到的模型，若你重写的score方法在交叉验证（CV）阶段和重拟合阶段行为不一致，就会出现最佳分数对应的模型与best_estimator_不匹配的情况。你可以通过以下步骤直接获取对应CV最佳分数的模型系数：

1. 从cv_results_中定位最佳分数对应的参数组合

   import numpy as np
   
   # 找到平均测试分数最高的索引
   best_idx = np.argmax(GSV.cv_results_['mean_test_score'])
   # 获取对应的参数
   best_params = GSV.cv_results_['params'][best_idx]
   

2. 用这些参数初始化管道并重新拟合数据

   # 给管道设置最佳参数
   pipe.set_params(**best_params)
   # 拟合全量数据
   pipe.fit(X, y)
   

3. 提取对应步骤的系数

   pipe.named_steps['step2'].coef_
   

额外检查点 #

• 确认GridSearchCV的scoring参数未被手动指定，确保CV阶段使用的是你重写的score方法（默认情况下，GridSearchCV会调用估计器自身的score方法）。
• 查看GSV.cv_results_['mean_test_score']与GSV.cv_results_['params']的对应关系，确认哪个参数组合的分数确实最高，避免因重写的score方法逻辑问题导致评分异常。

内容的提问来源于stack exchange，提问作者ManInMoon