DecisionTreeRegressor参数调整的分数引发错误

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']

运行代码时，它将引发错误：

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

为什么对于这个回归问题，MSE不是有效的宏？我还能使用什么？

Answer 1

您应该参考documentation：

  

所有计分器对象均遵循以下约定：较高的返回值   优于较低的返回值。因此，衡量   模型与数据之间的距离，例如   metrics.mean_squared_error，可以作为   neg_mean_squared_error会返回指标的取反值。

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。

因此您需要neg_mean_squared_error而不是mse。