特征选择交叉验证报AttributeError：dict对象无fit属性

报错AttributeError: 'dict' object has no attribute 'fit'的直接原因是代码中rfecv变量被赋值为Python字典，而非实例化的RFECV特征选择对象：你写的键值对格式是Pipeline封装步骤时的配置写法，单独调用特征选择器时，字典本身不具备fit()、transform()这类sklearn估计器方法，调用自然报错。
另外你的函数定义行末尾缺失冒号，修复完上述问题后还会触发语法错误，需要一并补上。

• 将字典形式的rfecv定义改为直接实例化RFECV类，把原来写在字典里的参数直接传入类构造函数
• 给函数定义行末尾补全冒号
• 建议增加结果存储逻辑，否则嵌套交叉验证跑完后不会输出全局评估结果
• 分类任务建议将内外层的KFold替换为StratifiedKFold，保证每折类别分布一致，避免结果偏差

# 补全函数定义末尾的冒号
def run_model_with_grid_search(param_grid={},output_plt_file = 'plt.png',model_name=RandomForestClassifier(),X_train=full_X_train,y_train=full_y_train,model_id='random_forest'):

      cv_outer = StratifiedKFold(n_splits=5,shuffle=True,random_state=1)
      outer_test_acc = []

      for train_ix,test_ix in cv_outer.split(X_train, y_train):
              split_x_train, split_x_test = X_train[train_ix,:],X_train[test_ix,:]
              split_y_train, split_y_test = y_train[train_ix],y_train[test_ix]

              cv_inner = StratifiedKFold(n_splits=3,shuffle=True,random_state=1)
              model = model_name
              # 替换字典为RFECV实例化
              rfecv = RFECV(
                            estimator=model,
                            step=1,
                            cv=5,
                            scoring='accuracy',
                            verbose=50
                            )

              rfecv.fit(split_x_train,split_y_train)
              print(f"当前折选中特征数：{rfecv.n_features_}")
              X_selected_train = rfecv.transform(split_x_train)
              X_selected_test = rfecv.transform(split_x_test)

              search = GridSearchCV(model,param_grid=param_grid,scoring='roc_auc',cv=cv_inner,refit=True)
              result = search.fit(X_selected_train,split_y_train)
              best_model = result.best_estimator_
              y_pred_test = best_model.predict(X_selected_test)
              accuracy_test = metrics.accuracy_score(split_y_test, y_pred_test)
              outer_test_acc.append(accuracy_test)
              print(f"当前折测试集准确率：{accuracy_test:.3f}")
      
      print(f"嵌套交叉验证平均测试集准确率：{np.mean(outer_test_acc):.3f} ± {np.std(outer_test_acc):.3f}")
      return

• 代码中存在多处重复导入（比如多次导入SelectKBest、StratifiedKFold、Pipeline），不影响运行但可以清理冗余
• 如果后续要把RFECV和模型封装到Pipeline中统一做网格搜索，参数网格里的参数名需要遵循<步骤名>__<参数名>的格式，否则会报参数不存在的错误
• 当前参数网格里的min_samples_leaf是随机森林的原生参数，直接传入GridSearchCV可以正常识别运行

内容的提问来源于stack exchange，提问作者Slowat_Kela