sklearn random forest的文档页面说
唯一支持的标准是均方误差的“mse”。
我的数据很乱并且有异常值，我觉得MAE或一些强大的惩罚函数会表现得更好。
是否有一种方法可以将随机森林回归量用于其他度量，例如迭代，或者是否有其他python开源替代，或者我的假设是要求其他指标本身错误？ Sklearn在其他领域非常发达，所以对我来说这似乎很奇怪，只有mse支持像随机森林这样重要的方法。
答案 0 :(得分：4)
您可以使用GridSearchCV或RandomizedSearchCV针对交叉验证循环中的其他条件进行优化。森林本身仍将针对MSE进行优化，但CV循环在所选参数设置中找到森林，以优化您感兴趣的实际标准。（并且它优化CV分数，而不是训练集分数。）< / p>