У меня возникли проблемы с доступом к коэффициентам модели векторной регрессии поддержки (SVR) в scikit, когда модель встроена в конвейер и поиск по сетке. Рассмотрим следующий пример:Коэффициент в векторной регрессии поддержки (SVR) с использованием поиска сетки (GridSearchCV) и Pipeline в Scikit Learn
from sklearn.datasets import load_iris
import numpy as np
from sklearn.grid_search import GridSearchCV
from sklearn.svm import SVR
from sklearn.feature_selection import SelectKBest
from sklearn.pipeline import Pipeline
iris = load_iris()
X_train = iris.data
y_train = iris.target
clf = SVR(kernel='linear')
select = SelectKBest(k=2)
steps = [('feature_selection', select), ('svr', clf)]
pipeline = Pipeline(steps)
grid = GridSearchCV(pipeline, param_grid={"svr__C":[10,10,100],"svr__gamma": np.logspace(-2, 2)})
grid.fit(X_train, y_train)
Это, кажется, работает нормально, но когда я пытаюсь достигнуть коэффициента лучшей подгонки модели
grid.best_estimator_.coef_
я получаю сообщение об ошибке: AttributeError: объект «Pipeline» не имеет атрибута 'coef_'.
Я также пытался получить доступ к отдельным ступеням трубопровода:
pipeline.named_steps['svr']
, но не смогли найти коэффициенты там.