用python写一段代码，打印随机森林回归模型的超参数

假设你已经训练好了一个随机森林回归模型，并且使用了GridSearchCV进行了超参数调优，可以使用以下代码来打印模型的超参数：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import GridSearchCV
import numpy as np

# 定义超参数空间
param_grid = {
    'n_estimators': [50, 100, 150],  # 决策树数量
    'max_depth': [5, 10, 15],  # 决策树最大深度
    'min_samples_split': [2, 4, 6],  # 最小分裂样本数
    'min_samples_leaf': [1, 2, 4]  # 最小叶子节点样本数
}

# 定义随机森林回归模型
rf = RandomForestRegressor()

# 使用GridSearchCV进行超参数调优
grid_search = GridSearchCV(rf, param_grid=param_grid, cv=5)
grid_search.fit(X_train, y_train)

# 打印最佳超参数组合
print("Best parameters found: ", grid_search.best_params_)

其中，`param_grid`是定义的超参数空间，`RandomForestRegressor()`是随机森林回归模型，`GridSearchCV()`是超参数调优函数，`fit()`是训练函数。最后，使用`best_params_`属性可以打印出最佳超参数组合。