python - DecisionTreeRegressor 参数调整的分数会引发错误

Question

我正在使用 DecisionTreeRegressor 调整模型。

tuned_parameters = [{'splitter': ['best'],   'max_leaf_nodes': [2, 3,4,5]},
                    {'splitter': ['random'], 'max_leaf_nodes': [2, 3,4,5]}]


#for Regression
scores = ['mse']

当我运行代码时，它抛出一个错误:

ValueError:“mse_macro”不是有效的评分值。使用sorted(sklearn.metrics.SCORERS.keys())获取有效选项。

为什么 mse 不是这个回归问题的有效宏？我还能用什么？

Answer 1

您应该引用documentation :

All scorer objects follow the convention that higher return values are better than lower return values. Thus metrics which measure the distance between the model and the data, like metrics.mean_squared_error, are available as neg_mean_squared_error which return the negated value of the metric.

文档中列出了所有支持的指标。您还可以使用 print(metrics.SCORERS.keys()) 来获取它们。

因此您需要 neg_mean_squared_error 而不是 mse。