...
Eroare Machine Learning · Antrenare și predicție (fit / predict)

AttributeError: 'Pipeline' object has no attribute 'feature_importances_'

Pe scurt

feature_importances_ aparține modelului (de exemplu RandomForestClassifier), nu Pipeline-ului care îl conține. Ia ultimul pas cu pipe[-1] sau pipe.named_steps["model"] și citește atributul de acolo; la GridSearchCV, folosește grid.best_estimator_.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Un Pipeline este un container: ține pașii (scaler, encoder, model) și le apelează pe rând la fit și predict. Metodele predict, score și predict_proba sunt transmise automat ultimului pas, dar atributele învățate, cele cu _ la final (feature_importances_, classes_ doar parțial, n_features_in_...), nu sunt toate copiate pe Pipeline. Așa că pipe.feature_importances_ nu există, chiar dacă pădurea din interior le are.

Accesezi pasul dorit după nume (pipe.named_steps["model"], unde numele este cel dat în Pipeline([...]) sau, la make_pipeline, numele clasei cu litere mici, de exemplu randomforestclassifier) ori după poziție (pipe[-1]). Atenție: dacă înainte de model ai un encoder care schimbă coloanele, importanțele corespund coloanelor de după encoder, ale căror nume le obții cu pipe[:-1].get_feature_names_out().

De ce apare: cauzele frecvente

1Atributul cerut direct pe Pipeline

Greșit
PYTHON
pipe = make_pipeline(StandardScaler(), RandomForestClassifier())
pipe.fit(X, y)
print(pipe.feature_importances_)
Corect
PYTHON
pipe = make_pipeline(StandardScaler(), RandomForestClassifier())
pipe.fit(X, y)
print(pipe[-1].feature_importances_)

pipe[-1] este ultimul pas, adică pădurea aleatoare, care are atributul învățat.

2Pipeline într-un GridSearchCV

Greșit
PYTHON
grid.fit(X, y)
print(grid.feature_importances_)
Corect
PYTHON
grid.fit(X, y)
print(grid.best_estimator_.named_steps["model"].feature_importances_)

best_estimator_ este Pipeline-ul cel mai bun, reantrenat pe toate datele, iar din el iei pasul model.

3Nume de pas greșit

Greșit
PYTHON
pipe = make_pipeline(StandardScaler(), RandomForestClassifier())
pipe.named_steps["model"]
Corect
PYTHON
pipe = make_pipeline(StandardScaler(), RandomForestClassifier())
pipe.named_steps["randomforestclassifier"]

make_pipeline numește pașii după clasă, cu litere mici. Vezi numele cu list(pipe.named_steps).

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă AttributeError: 'Pipeline' object has no attribute 'feature_importances_'. Repară-l: citește importanțele de la arborele de decizie din interiorul Pipeline-ului, ca programul să afișeze importanța fiecărei coloane.

Codul care dă eroarea
PYTHON
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeClassifier

# venit (mii lei), varsta
X = [[2, 25], [3, 40], [8, 30], [9, 45], [2.5, 35], [7.5, 28]]
y = [0, 0, 1, 1, 0, 1]

pipe = Pipeline([("scaler", StandardScaler()), ("model", DecisionTreeClassifier(random_state=0))])
pipe.fit(X, y)
for nume, imp in zip(["venit", "varsta"], pipe.feature_importances_):
    print(nume, round(imp, 2))
După reparație, programul afișează
venit 1.0
varsta 0.0
Indiciu

Folosește pipe.named_steps["model"].feature_importances_.

Alte forme ale mesajului

  • AttributeError: 'GridSearchCV' object has no attribute 'feature_importances_'
  • AttributeError: 'Pipeline' object has no attribute 'intercept_'
  • AttributeError: 'Pipeline' object has no attribute 'tree_'

Cum o eviți pe viitor

Când construiești un Pipeline, dă pașilor nume scurte și clare (Pipeline([("prep", ...), ("model", ...)])), ca să-i poți accesa cu pipe.named_steps["model"]. Ține minte că Pipeline-ul transmite metodele (predict, score), dar pentru atributele învățate mergi la pas. La căutările de hiperparametri, folosește best_estimator_.

Întrebări frecvente

Ce diferență e între pipe[-1] și pipe.named_steps[...]?

Niciuna ca rezultat: amândouă întorc același obiect. pipe[-1] e mai scurt, iar named_steps e mai clar când ai mai mulți pași și vrei unul din mijloc.

Importanțele corespund coloanelor mele inițiale?

Doar dacă pașii de dinainte nu schimbă coloanele (de exemplu un scaler). Dacă ai OneHotEncoder, ai câte o importanță pentru fiecare coloană creată, iar numele lor le obții cu pipe[:-1].get_feature_names_out().

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.