决策树回归器参数调整的分数会抛出错误

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：

值错误："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 不是此回归问题的有效宏？我还可以使用什么？

Answer 1

您应该参考文档：

所有评分器对象都遵循较高的返回值的约定 优于较低的返回值。因此，衡量 模型和数据之间的距离，例如 metrics.mean_squared_error ，可用作 返回指标的否定值neg_mean_squared_error。

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

所以你需要neg_mean_squared_error而不是mse.