TypeError: Cannot clone object のエラー対応（機械学習　Kaggleコンペ）

Kaggleコンペ　住宅価格予想について、エラーの原因が特定できません。
1AIacademyと言うサイトのコード、カリキュラムを参考にしてます。
2データの前処理後、学習データと訓練データに分け、さらに訓練データを「訓練のための訓練セット」に分けました。
3その後グリッドサーチにて、ランダムフォレストとSVRを試していき、グリッドサーチを行う段階でエラーが出ました。
4
5```ここに言語を入力　Python
6コード
7
8#データの読み込み
9import numpy as np
10import pandas as pd
11
12train= pd.read_csv("/kaggle/input/house-prices-advanced-regression-techniques/train.csv")
13test = pd.read_csv("/kaggle/input/house-prices-advanced-regression-techniques/test.csv")
14
15train.head()
16
17train.info()
18
19print(train.shape,test.shape)
20
21
22#欠損地の多いデータを消す
23train = train.drop('Alley',axis=1).drop('FireplaceQu',axis=1).drop('PoolQC',axis=1).drop('Fence',axis=1).drop('MiscFeature',axis=1)
24
25test =test.drop('Alley',axis=1).drop('FireplaceQu',axis=1).drop('PoolQC',axis=1).drop('Fence',axis=1).drop('MiscFeature',axis=1)
26
27
28train_id = train['Id']
29test_id = test['Id']
30
31y_train = train['SalePrice']
32x_train = train.drop(['Id','SalePrice'],axis=1)
33x_test = test.drop('Id',axis=1)
34
35
36#欠損値を中央値で補完
37x_train = x_train.fillna(x_train.median())
38x_test = x_test.fillna(x_test.median())
39
40x_train.info()
41
42#object型の欠損値をmodeで埋める
43for i in range(x_train.shape[1]):
44    if x_train.iloc[:,i].dtype == object:
45        mode = x_train.mode()[x_train.columns.values[i]].values
46        for j in range(x_train.shape[0]):
47            if x_train.isnull().iloc[j,i]==True:
48                x_train.iloc[j,i] =mode
49
50
51for i in range(x_test.shape[1]):
52    if x_test.iloc[:,i].dtype == object:
53        mode = x_test.mode()[x_test.columns.values[i]].values
54        for j in range(x_test.shape[0]):
55            if x_test.isnull().iloc[j,i]==True:
56                x_test.iloc[j,i] = mode
57
58
59x_train.isnull().sum().sum()
60
61#ラベルエンコーディング
62from sklearn.preprocessing import LabelEncoder
63le = LabelEncoder()
64
65#ラベルエンコーダー(訓練セット）
66for i in range(x_train.shape[1]):
67    if x_train.iloc[:,i].dtypes == object:
68        le.fit(list(x_train[x_train.columns.values[i]].values)) 
69        x_train[x_train.columns.values[i]] = le.transform(list(x_train[x_train.columns.values[i]].values))
70
71#ラベルエンコーダー(テストセット）
72for i in range(x_test.shape[1]):
73    if x_test.iloc[:,i].dtypes == object:
74        le.fit(list(x_test[x_test.columns.values[i]].values)) 
75        x_test[x_test.columns.values[i]] = le.transform(list(x_test[x_test.columns.values[i]].values))
76
77x_train.info()
78
79
80#特徴量の削減
81from sklearn.feature_selection import SelectKBest,f_regression
82
83selector = SelectKBest(score_func=f_regression,k=5)
84selector.fit(x_train,y_train)
85print(selector.get_support())
86
87
88x_train_selected =pd.DataFrame({'OverallQual':x_train['OverallQual'],'ExterQual':x_train['ExterQual'],'GrLivArea':x_train['GrLivArea'],'GarageCars':x_train['GarageCars'],'GarageArea':x_train['GarageArea']})
89
90x_test_selected = pd.DataFrame({'OverallQual':x_test['OverallQual'],'ExterQual':x_test['ExterQual'],'GrLivArea':x_test['GrLivArea'],'GarageCars':x_test['GarageCars'],'GarageArea':x_test['GarageArea']})
91
92x_train_selected.head()
93
94#訓練セットを分ける
95from sklearn.model_selection import train_test_split
96xp_train,xp_test,yp_train,yp_test = train_test_split(x_train_selected,y_train,test_size=0.3,random_state=1)
97
98#ランダムフォレストとサポートベクター回帰（SVR）を読み込み、グリッドサーチを行う
99from sklearn.svm import SVR
100from sklearn.ensemble import RandomForestRegressor
101
102forest = RandomForestRegressor
103svr =SVR()
104
105parameters_forest = {'n_estimators':[100,500,1000,3000],'max-depth':[3,6,12]}
106parameters_svr = {'C':[0.1,10,1000],'epsilzon':[0.01,0.1,0.5]}
107
108
109#グリッドサーチを行う（エラー発生）
110from sklearn.model_selection import GridSearchCV
111
112grid_forest = GridSearchCV(forest,parameters_forest)
113grid_forest.fit(xp_train,yp_train)
114
115
116grid_svr = GridSearchCV(svr,parameters_svr)
117grid_svr.fit(xp_train,yp_train)
118
119
120
121エラーメッセージ
122---------------------------------------------------------------------------
123TypeError                                 Traceback (most recent call last)
124<ipython-input-17-5e7673965b55> in <module>
125      2 # ランダムフォレスト
126      3 grid_forest = GridSearchCV(forest,parameters_forest)
127----> 4 grid_forest.fit(xp_train,yp_train)
128      5 
129      6 # SVR
130
131/opt/conda/lib/python3.7/site-packages/sklearn/model_selection/_search.py in fit(self, X, y, groups, **fit_params)
132    653         n_splits = cv.get_n_splits(X, y, groups)
133    654 
134--> 655         base_estimator = clone(self.estimator)
135    656 
136    657         parallel = Parallel(n_jobs=self.n_jobs, verbose=self.verbose,
137
138/opt/conda/lib/python3.7/site-packages/sklearn/base.py in clone(estimator, safe)
139     65                             "it does not seem to be a scikit-learn estimator "
140     66                             "as it does not implement a 'get_params' methods."
141---> 67                             % (repr(estimator), type(estimator)))
142     68     klass = estimator.__class__
143     69     new_object_params = estimator.get_params(deep=False)
144
145TypeError: Cannot clone object '<class 'sklearn.ensemble._forest.RandomForestRegressor'>' (type <class 'abc.ABCMeta'>): it does not seem to be a scikit-learn estimator as it does not implement a 'get_params' methods.
146
147初心者で対処の仕方など、よくわかってないので試したことは特にありません。
148コードのスペルミスはないか２度コード全体のスペルチェックはしてます。
149このエラーはどんな意味で、対応法をを知っている方いましたら、解答よろしくお願いします。