sklearn.metrics的尴尬结果

Question

在使用默认参数进行decisiontree回归时，我得到了R2值"-1.3“。什么意思，我的模特还好吗？均方误差也不合理。我可以通过改变分类器的参数来使它成为正数吗？

score.html

from sklearn.metrics import r2_score, mean_squared_error

Answer 1

负R2表示过度拟合，这对于适合小训练数据或噪声训练数据的未调优决策树来说是相当典型的。

您可以通过调优决策树的参数来解决这个问题，例如，将网格搜索设置为一个较小的值可能会使模型在您的情况下表现得更好。

一种更好的方法是改变为随机林模型，它使用决策树的集合来更自动地纠正这种过度拟合(尽管通过网格搜索进行优化对于进一步优化结果仍然很重要)。