Pipeline的steps属性和named_steps属性，Pipeline访问估计器，查看coef_，intercept_

问题

使用sklearn.pipeline进行多项式拟合时，pipeline如同LinearRegression有fit()，predict()方法，但是不能直接获取coef_，intercept_
coef_，intercept_是线性模型中的属性，用于表示模型的拟合参数和偏移量。

lin_reg2 = LinearRegression()
poly_reg = Pipeline([
    ('ploy',PolynomialFeatures(degree=2)),
    ('std_scaler',StandardScaler()),
    ('lin_reg',LinearRegression())
])
... 

解决方案

可以通过steps索引，或者named_steps访问所定义标签的估计器

last_estimator = poly_reg.steps[-1][1]  #索引最后一个估计器

last_estimator = pipeline.named_steps['lin_reg']

这样就可以访问pipeline内的估计器的属性和方法了

附上测试用的代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

size = 100
x = np.random.uniform(-3, 3, size)
X = x.reshape(-1, 1)
y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, size)

from sklearn.pipeline import Pipeline
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import PolynomialFeatures

poly_reg = Pipeline([
    ('ploy',PolynomialFeatures(degree=2)),
    ('std_scaler',StandardScaler()),
    ('lin_reg',LinearRegression())
])

poly_reg.fit(X, y)
y_predict = poly_reg.predict(X)

plt.scatter(x, y)
plt.plot(np.sort(x),y_predict[np.argsort(x)], c='r')
plt.show()

last_estimator = poly_reg.steps[-1][1]
#last_estimator = pipeline.named_steps['lin_reg']
last_estimator.coef_,last_estimator.intercept_