sklearn批量调用回归器报无estimators_属性错误排查与修复

这个报错和你有没有显式配置estimator参数没有关系，核心问题是创建回归器集合的代码写法错误：

• 你写的regressor = *AdaBoostRegressor(),*RandomForestRegressor(),*LinearRegression(),*SGDRegressor()这行，用*对刚实例化、还未训练的回归器对象做解包操作，Python会自动尝试遍历（迭代）这些回归器对象的内部元素
• 未完成训练的sklearn集成模型（比如AdaBoost、随机森林）被迭代时，会默认查找训练后才会生成的estimators_属性，用来遍历内部的基学习器。这个属性在调用fit()方法之前根本不存在，自然会抛出属性不存在的错误
• 你单独实例化调用时没有报错，是因为你直接把实例赋值给变量，没有对未训练的实例做迭代解包操作，不会触发这个内部查找逻辑，等调用完fit()再执行predict()就不会出问题。这也解释了为什么你把哪个回归器放在解包序列的第一位，就会报对应回归器的属性错误——代码在创建regressor元组的阶段就已经触发报错，根本没走到后面循环训练的步骤。

1. 去掉错误的*解包写法，直接把实例化的回归器放在列表/元组中即可
2. 补全缺失的评价指标导入（原代码没有导入mean_squared_error和r2_score，运行时也会触发名称错误）
3. 注意：sklearn内置的回归评价函数参数顺序固定为「真实标签在前，预测结果在后」，写反会得到错误的指标计算结果，你原代码里两个指标的参数顺序写反了，需要调整。

修复后的完整可运行代码如下：

from sklearn.metrics import mean_squared_error, r2_score

def regressors(x_train, y_train, xtest, ytest):
    from sklearn.ensemble import RandomForestRegressor, AdaBoostRegressor
    from sklearn.linear_model import ARDRegression, LinearRegression, SGDRegressor
    
    # 直接将模型实例放入列表，不要对未训练的模型实例用*解包
    regressor_list = [
        AdaBoostRegressor(),
        RandomForestRegressor(),
        LinearRegression(),
        SGDRegressor()
    ]
    
    for model in regressor_list:
        model.fit(x_train, y_train)
        pred = model.predict(xtest)
        print(model.__class__.__name__)
        print(f"MSE: {mean_squared_error(ytest, pred)}")
        print(f"R2 Score: {r2_score(ytest, pred)}")
        print("-"*30)

# 调用函数
regressors(x_train, y_train, xtest, ytest)

内容的提问来源于stack exchange，提问作者Ahmed Seif