ich sklearn in Python verwende, und ich habe mehrere Regressoren für Grid Search wie geschaffen:Extract Grid Search Werte für mehrere Regressoren
def randomFF_reg():
params = {'n_estimators':[10,30,50],'max_features':['log2','sqrt']}
return RandomForestRegressor(),params
def lasso_reg():
params = {'alpha':[1e-1, 1, 10, 100]}
return linear_model.Lasso(),params
Nun, ich diese Funktionen innerhalb GridSearchCV nenne wie folgt:
grid = GridSearchCV(lasso_reg()).fit(X, y)
best_params =list(grid.cv_results_['params'])
Aber mein Problem ist, dass ich die Ergebnisse des am besten angepassten Modells extrahieren und analysieren muss. Verschiedene Regressoren haben unterschiedliche Parameter, die so angepasst werden, wenn ich die folgende Zeile für Linear Regression
laufen und Lasso Regression
es richtig funktioniert:
parameters =[prms[best_params[0].keys()[0]] for prms in best_params]
Aber einen Fehler geben für Regressoren mit mehreren Parametern wie Random Regressoren, DecisionTree Regressoren usw. Gibt es eine Möglichkeit, Werte für Regressoren mit mehreren Parametern zu extrahieren?