如本post中所述，可以通过以下公式计算调整后的R2分数，其中n是样本数，p是模型的参数数

adj_r2 = 1-(1-R2)*(n-1)/(n-p-1)

根据另一个post，我们可以使用model.coef_获取模型的参数数量。

但是，对于梯度增强（GBM），似乎我们无法获得模型中的参数数量：

from sklearn.ensemble import GradientBoostingRegressor
import numpy as np

X = np.random.randn(100,10)
y = np.random.randn(100,1)

model = GradientBoostingRegressor()
model.fit(X,y)

model.coef_

output >>> 
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-3-4650e3f7c16c> in <module>
----> 1 model.coef_

AttributeError: 'GradientBoostingRegressor' object has no attribute 'coef_'

检查documentation后，GBM似乎由不同的估计量组成。估计器的数量等于参数的数量吗？

仍然，我无法获得每个估计量的参数数量

model.estimators_[0][0].coef_


output >>> 
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-2-27216ebb4944> in <module>
----> 1 model.estimators_[0][0].coef_

AttributeError: 'DecisionTreeRegressor' object has no attribute 'coef_'

如何计算GBM的调整后R2分数？