必须继承baseestimator，因其提供get_params/set_params支持pipeline、gridsearchcv等工具；还需混入regressormixin或classifiermixin以启用score、predict等方法，并在fit中设n_features_in_或classes_等带下划线的拟合属性。
为什么必须继承 BaseEstimator 而不是直接写个类
因为 scikit-learn 的管道（Pipeline）、交叉验证（cross_val_score）、超参搜索（GridSearchCV）等工具，只认“有 fit/predict 方法 + 实现了 get_params/set_params”的类。没继承 BaseEstimator，get_params 就不会自动处理初始化参数，GridSearchCV 会报 TypeError: get_params() missing 1 required positional argument: 'self' 或漏掉你传进来的参数。
实操建议：
- 哪怕只是简单封装一个公式，也必须显式继承
BaseEstimator和对应接口类（如RegressorMixin或ClassifierMixin），否则score、predict_proba等方法不被识别 - 不要手动重写
get_params——BaseEstimator已实现，它会自动提取__init__中带默认值的参数；但前提是这些参数必须作为实例属性保存，比如self.C = C - 如果类里用了非标准类型（如自定义对象、lambda），
get_params可能序列化失败，导致Joblib保存或并行出错
fit 方法里不能漏掉 return self
scikit-learn 所有 fit 方法约定必须返回 self，否则 Pipeline 会中断：下一级组件收不到上一级返回的对象，直接抛 AttributeError: 'NoneType' object has no attribute 'transform'。
常见错误现象：
- 写完训练逻辑忘了最后一行
return self - 在
fit里调用了print或日志后直接结束，没 return - 用
if分支覆盖不全，某个分支没 return
示例（正确）：
def fit(self, X, y):
self.coef_ = np.linalg.lstsq(X, y, rcond=None)[0]
self.is_fitted_ = True
return self # 这行不能少
怎么支持 predict 同时又让 score 正常工作
只继承 BaseEstimator 不够，还得混入对应 mixin 类：RegressorMixin 提供默认 score（R²），ClassifierMixin 提供默认 score（准确率）。它们还约定必须设置 self.classes_（分类器）或 self.n_features_in_（通用检查）。
实操建议：
- 回归模型：继承
BaseEstimator+RegressorMixin，并在fit中设self.n_features_in_ = X.shape[1]，否则check_is_fitted会报AttributeError: 'MyModel' object has no attribute 'n_features_in_' - 分类模型：必须在
fit中赋值self.classes_ = np.unique(y)，否则predict_proba或decision_function可能出错 - 如果不希望用默认
score，可重写，但签名必须保持一致：def score(self, X, y, sample_weight=None)
自定义属性名带下划线的坑：什么时候该加，什么时候不该加
scikit-learn 约定：训练后生成的属性（如 coef_、classes_、feature_names_in_）必须以下划线结尾，否则 get_params 会把它们当成构造参数导出，导致 GridSearchCV 尝试重设这些只读属性而报错。
容易踩的坑：
- 把
self.weights = ...写成不带下划线 →GridSearchCV认为这是可调参数，尝试调用set_params(weights=...)，但你的类没实现该逻辑，崩溃 - 在
__init__中误给拟合属性赋初值，比如self.coef_ = None→check_is_fitted会认为已拟合，跳过检查，后续出错难定位 -
fit中漏设某下划线属性（如忘了self.n_features_in_），部分校验函数静默跳过，但sklearn.utils.validation.check_is_fitted(self)明确要求它存在
判断原则：只要是在 fit 里算出来的、不能由用户初始化控制的，名字就必须带下划线。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
