attributeerror: 'gridsearchcv' object has no attribute 'grid_scores_'

### 回答1：
这个错误提示意思是：'GridSearchCV' 对象没有 'grid_scores_' 属性。

这个错误通常是因为使用了过时的属性名称。在新版本的 scikit-learn 中，'grid_scores_' 已经被替换为 'cv_results_'。因此，如果你想要获取网格搜索的结果，应该使用 'cv_results_' 属性。

### 回答2：
该错误是由于在使用GridSearchCV对象时调用了已过时的属性`grid_scores_`而导致的。在最新的sklearn版本中，该属性已被替换为`cv_results_`。

GridSearchCV是sklearn中一种用于调整超参数的方法。在使用GridSearchCV方法时，它会执行多个参数组合的交叉验证，并返回每个参数组合的评估结果，以便用户可以选择最佳参数。

在早期的sklearn版本中，GridSearchCV的属性名是grid_scores_，在最近的sklearn版本中将其更改为cv_results_。因此，如果在sklearn的新版本中使用旧的grid_scores_属性，则会抛出AttributeError。

为了解决这个错误，需要将代码中的`grid_scores_`更改为`cv_results_`。即将代码：

grid_search.grid_scores_

更改为：

grid_search.cv_results_

这样就能正常执行GridSearchCV方法并返回评估结果了。

### 回答3：
这个错误信息是在使用GridSearchCV进行网格搜索时，可能会遇到的常见错误之一。通常出现在调用grid_scores_属性时，因为此属性在Scikit-learn 0.23版本之后已被弃用。

在Scikit-learn 0.23版本之前的版本中，GridSearchCV类确实有一个grid_scores_属性，它是一个包含所有网格搜索的结果的列表。但是，在当前版本中，推荐使用cv_results_属性来替代grid_scores_。

这是因为在新版本中，cv_results_属性提供了更多信息，包括训练时间、测试时间、平均测试分数和标准差等信息。通过查看cv_results_属性，您可以更深入地了解每个参数组合的性能和效果，以便做出更好的选择。

因此，如果您遇到“AttributeError: 'GridSearchCV' object has no attribute 'grid_scores_.'”错误，那么您只需将grid_scores_属性替换为cv_results_属性即可。例如，您可以将以下代码：

print(grid_search.grid_scores_)

替换为：

print(grid_search.cv_results_)

这将返回包含所有参数组合和其他信息的字典，使您能够更好地评估您的模型和结果。

总之，'grid_scores_'属性已不再被支持，建议使用'cv_results_'属性来代替，从而更好地获取网格搜索的结果。