AttributeError: 'KerasClassifier'无'add'属性 网格搜索报错求解

你定义的create_model函数内缺少初始化序列模型对象的步骤，直接调用了model.add()方法：

• 函数执行时，作用域内不存在名为model的局部变量，会向上查找全局作用域的model，也就是你实例化的KerasClassifier对象
• KerasClassifier是Scikit-learn的适配包装类，本身没有add方法，因此触发属性错误

1. 首先修改create_model函数，新增Sequential实例化步骤：

#Create the model
def create_model(neurons=1):
    # 新增：实例化Keras序列模型
    model = Sequential()
    # add 1st layer with 50 nodes/perceptons, each will process (2,6) matrix block
    model.add(LSTM(neurons, input_shape=(2, 6), return_sequences=True))
    model.add(Dropout(0.2))
    model.add(LSTM(50, return_sequences=False))
    model.add(Dropout(0.2))
    model.add(Dense(6))
    #Compile model
    model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
    return model

2. 可选适配优化：
   你当前用的损失函数是mean_squared_error，输出维度为6，如果是回归任务，建议把KerasClassifier替换为KerasRegressor更合理：

from keras.wrappers.scikit_learn import KerasRegressor
model = KerasRegressor(build_fn=create_model, epochs=100, batch_size=10, verbose=0)

如果是高版本TensorFlow环境，导入路径调整为：

from tensorflow.keras.wrappers.scikit_learn import KerasClassifier
# 回归任务用下面的导入
from tensorflow.keras.wrappers.scikit_learn import KerasRegressor

内容的提问来源于stack exchange，提问作者user979974