DecisionTreeRegressor参数调优得分抛出错误

Question

我正在用DecisionTreeRegressor来调优模型。

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，它会抛出一个错误：

ValueError：'mse_macro‘不是一个有效的得分值。使用排序(sklearn.metrics.SCORERS.keys())获得有效选项.

为什么mse不是此回归问题的有效宏？我还能用什么？

Answer 1

您应该参考文档

所有scorer对象都遵循这样的惯例：返回值越高，返回值越低，越好。因此，度量模型与数据之间的距离的度量(如metrics.mean_squared_error )作为neg_mean_squared_error可用，它返回度量的负值。

文档中列出了所有受支持的指标。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。