TypeError при циклическом переключении ключа словаря и элементов - PullRequest
Новая
       23

TypeError при циклическом переключении ключа словаря и элементов

0 голосов
/ 28 декабря 2018

У меня есть словарь, и когда я пытался перебрать его ключи и значения, он выдает мне ошибку:

TypeError: items () не принимает аргументов (1 дано) 

BDT_param_grid1 ={"learning_rate": np.arange(0.1,1.0,0.1),
                  "n_estimators": np.arange(1, 1000, 10),
                  "base_estimator__min_samples_split": np.arange(0.1,1.0,0.1),
                  "base_estimator__min_samples_leaf": np.arange(1,60,1),
                  "base_estimator__max_leaf_nodes": np.arange(2,60,1),
                  "base_estimator__min_weight_fraction_leaf": np.arange(0.1, 0.4, 0.1),
                  "base_estimator__max_features": np.arange(0.1,1,0.1),
                  "base_estimator__max_depth": np.arange(1, 28, 1)}

for key,items in dict.items(BDT_param_grid1):
    print(key,items)

Мой ожидаемый результат: 

learning_rate [0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
n_estimators [  1  11  21  31  41  51  61  71  81  91 101 111 121 131 141 151 161 171
 181 191 201 211 221 231 241 251 261 271 281 291 301 311 321 331 341 351
 361 371 381 391 401 411 421 431 441 451 461 471 481 491 501 511 521 531
 541 551 561 571 581 591 601 611 621 631 641 651 661 671 681 691 701 711
 721 731 741 751 761 771 781 791 801 811 821 831 841 851 861 871 881 891
 901 911 921 931 941 951 961 971 981 991]
base_estimator__min_samples_split [0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
base_estimator__min_samples_leaf [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
 49 50 51 52 53 54 55 56 57 58 59]
base_estimator__max_leaf_nodes [ 2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
 50 51 52 53 54 55 56 57 58 59]
base_estimator__min_weight_fraction_leaf [0.1 0.2 0.3 0.4]
base_estimator__max_features [0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
base_estimator__max_depth [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25 26 27]

Тихо Странно, так как я смог получить результат без ошибок ранее в том же коде

...