如何在Pipeline执行后获取clf.best_params_？解决属性错误问题

你遇到的AttributeError原因很直接：你创建了GridSearchCV对象clf，但没有让它执行网格搜索流程，反而调用了原始pipe的fit方法。此时clf还是未训练的状态，自然不存在best_params_属性。

修正步骤 #

把代码里的：

pipe.fit(X_train,y_train)
print(f'Best Parameters: {clf.best_params_}')

替换成：

clf.fit(X_train,y_train)
print(f'Best Parameters: {clf.best_params_}')

额外说明 #

• 执行clf.fit()后，除了best_params_，还可以获取其他有用属性：
  • clf.best_score_：交叉验证得到的最优分数
  • clf.best_estimator_：训练好的最优Pipeline模型，可以直接用它做预测，比如y_pred = clf.best_estimator_.predict(X_test)
• 另外你的代码开头漏了导入matplotlib，需要加上import matplotlib.pyplot as plt，否则plt.subplots会报错。

完整修正后的关键代码片段 #

# ... 前面的数据生成、Pipeline和参数网格定义部分不变 ...

clf = GridSearchCV(pipe, parameter_space, cv = 5, scoring = "accuracy", verbose = True)

# 调用GridSearchCV的fit方法，而不是原始pipe的fit
clf.fit(X_train,y_train)
print(f'Best Parameters: {clf.best_params_}')
# 可选：查看最优模型的预测准确率
y_pred = clf.predict(X_test)
print(f'Test Accuracy: {accuracy_score(y_test, y_pred)}')

内容的提问来源于stack exchange，提问作者Joe