GridSearchCV中的标准和评分有什么区别答案

【问题标题】：what is difference between criterion and scoring in GridSearchCVGridSearchCV中的标准和评分有什么区别
【发布时间】：2021-02-16 21:31:30
【问题描述】：

我创建了一个 GradientBoostingRegressor 模型。

我在 GridSearchCV 函数中使用 scoring 参数来返回 MSE 分数。

我想知道如果我在 param_grids 中使用 criterion 会改变我的模型吗？哪个才是真道？

谢谢

GBR = GradientBoostingRegressor() 参数网格 = { 'learning_rate' : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ], 'n_estimators'：[50,60,70,80,90,100]， 'max_depth' : [1, 2, 3, 4], 'min_samples_leaf'：[1,2,3,5,10,15]， 'min_samples_split': [2,3,4,5,10], #'标准'：['mse'] } kf = KFold(n_splits=3, random_state=42, shuffle=True) gs = GridSearchCV(estimator=GBR, param_grid = param_grids, cv = kf, n_jobs=-1, return_train_score=真，评分='neg_mean_squared_error')

【问题讨论】：

标签： python machine-learning linear-regression grid-search

【解决方案1】：

criterion 方法评估树中的拆分。 scoring 方法从整体上评估模型的质量。

如果您想了解如果它改变了您的模型，为什么不直接测试一下呢？这就是 GridSearchCV 擅长的。默认是 friedman_mse，所以：

param_grids = {
                    'learning_rate'    : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ],
                    'n_estimators'     : [50,60,70,80,90,100],
                    'max_depth'        : [1, 2, 3, 4],
                    'min_samples_leaf' : [1,2,3,5,10,15],
                    'min_samples_split': [2,3,4,5,10],  
                    'criterion' : ['friedman_mse', 'mse']
    }

【讨论】：