如何使用cross_val_score
进行回归?默认的评分似乎是准确的,这对回归没有太大意义。假设我想使用均方误差,是否可以在cross_val_score
中指定?
尝试了以下两种方法但都不起作用:
scores = cross_validation.cross_val_score(svr, diabetes.data, diabetes.target, cv=5, scoring='mean_squared_error')
以及
scores = cross_validation.cross_val_score(svr, diabetes.data, diabetes.target, cv=5, scoring=metrics.mean_squared_error)
第一种方法生成一个负数列表,而均方误差应始终为非负数。第二个抱怨说:
mean_squared_error() takes exactly 2 arguments (3 given)
我不想对此发表评论,但我想为您和/或路人提供此链接,其中讨论了scikit learn中MSE的负面输出-https://github.com/scikit-learn/scikit-learn/issues/2439
另外(为了使这成为一个真正的答案),你的第一个选择是正确的,因为MSE不仅是你想要用来比较模型的度量,而且R^2不能根据(我认为)你正在使用的交叉值类型来计算。
如果您选择MSE作为记分器,它会输出一个错误列表,然后您可以取平均值,如下所示:
第一个是正确的。它输出MSE的负数,因为它总是试图使得分最大化。请帮助我们对文档提出改进建议。
相关问题 更多 >
编程相关推荐