如何从 scikit-learn 中的 TransformedTargetRegressor 管道中的经过训练的估计器访问属性？

Question

我用 scikit-Learn 设置了一个小管道，我将它包裹在TransforedTargetRegressor object 中。 训练结束后，我想从训练有素的估计器中访问属性（例如feature_importances_ ）。 谁能告诉我如何做到这一点？

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing import MinMaxScaler
from sklearn.compose import TransformedTargetRegressor

# setup the pipeline
Pipeline(steps = [('scale', StandardScaler(with_mean=True, with_std=True)),
                  ('estimator', RandomForestRegressor())])

# tranform target variable
model = TransformedTargetRegressor(regressor=pipeline, 
                                   transformer=MinMaxScaler())
           
# fit model
model.fit(X_train, y_train)

我尝试了以下方法：

# try to access the attribute of the fitted estimator
model.get_params()['regressor__estimator'].feature_importances_
model.regressor.named_steps['estimator'].feature_importances_

但这会导致以下NotFittedError ：

NotFittedError：此 RandomForestRegressor 实例尚未安装。 在使用此方法之前，使用适当的 arguments 调用“fit”。

Answer 1

当您查看TransformedTargetRegressor的文档时，它说属性.regressor_ （注意结尾的下划线）返回拟合的回归量。 因此，您的电话应如下所示：

model.regressor_.named_steps['estimator'].feature_importances_

您之前的电话只是返回一个不合适的克隆。 这就是错误的来源。