Ich führe GridSearch CV aus, um die Parameter eines Klassifikators in scikit zu optimieren. Sobald ich fertig bin, würde ich gerne wissen, welche Parameter als die besten ausgewählt wurden.

Wenn ich das tue, bekomme ich einAttributeError: 'RandomForestClassifier' object has no attribute 'best_estimator_', und kann nicht sagen, warum, da es ein legitimes Attribut auf dem @ zu sein scheiDokumentatio.

from sklearn.grid_search import GridSearchCV

X = data[usable_columns]
y = data[target]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

rfc = RandomForestClassifier(n_jobs=-1,max_features= 'sqrt' ,n_estimators=50, oob_score = True) 

param_grid = {
    'n_estimators': [200, 700],
    'max_features': ['auto', 'sqrt', 'log2']
}

CV_rfc = GridSearchCV(estimator=rfc, param_grid=param_grid, cv= 5)

print '\n',CV_rfc.best_estimator_

Yields:

`AttributeError: 'GridSearchCV' object has no attribute 'best_estimator_'