如何获得随机森林回归器的训练误差答案

【问题标题】：How to get the train_error of RandomForestRegressior如何获得随机森林回归器的训练误差
【发布时间】：2018-12-21 07:11:33
【问题描述】：

rf = RandomForestRegressor()
grid = GridSearchCV(rf,param_grid=param_grid,cv=3,n_jobs=8)
grid.fit(train_X,train_y)

我像上面的代码一样使用 RandomForestRegressor。而且，我想得到 train_error。我该怎么做？

更具体地说：（1）我可以从 RandomForestRegressor 中得到“train_error”吗？ (2) 如果我使用“the mean_squared_error”，如何得到训练数据的预测值。

我的问题的一些图片。

【问题讨论】：

【解决方案1】：

(1)

您可以使用.cv_results_ 获取每次迭代的均方误差。（你的 cv=3 所以应该有 3 个）。

cvres = grid.cv_results_
for mean_score in cvres['mean_test_score']:
    print(mean_score)

(2)

我认为您无法使用GridSearchCV 获得预测值。您可能需要自己实现它。

【讨论】：

上面的方法(1)返回的结果是这样的：-0.143476163479 -0.114397135622 -0.0652798450285 -0.0444094919283 -0.0803082980101 -0.100409404264 -0.16792
我使用 grid.best_score_ 得到一个数字 0.13028393891466461。剂量是否意味着 mean_squared_error？
@user10025959，实际那些负值实际上只是负 MSE。在 GridSearchCV 中，为了最小化 MSE，算法只是最大化负 MSE。你可以在这里阅读更多信息：https://stackoverflow.com/questions/21443865/scikit-learn-cross-validation-negative-values-with-mean-squared-error
感谢您的帮助。我想我明白了。