Python 如何使用sklearn的GridSearchCV设置自己的回归分数？

我曾经使用GridSearchCV（…scoring=“accurity”…）作为分类模型。现在我将使用GridSearchCV作为回归模型，并使用自己的误差函数设置评分

示例代码：

def rmse(predict, actual):
    predict = np.array(predict)
    actual = np.array(actual)

    distance = predict - actual

    square_distance = distance ** 2

    mean_square_distance = square_distance.mean()

    score = np.sqrt(mean_square_distance)

    return score

rmse_score = make_scorer(rmse)

gsSVR = GridSearchCV(...scoring=rmse_score...)
gsSVR.fit(X_train,Y_train)
SVR_best = gsSVR.best_estimator_
print(gsSVR.best_score_)

然而，我发现这样可以在错误分数最高时返回参数集。结果，我得到了最差的参数集和分数。在这种情况下，我怎样才能得到最好的估计量和分数

总结：

分类->GridSearchCV（scoring=“accurity”）->best\u estimaror…best

---

回归->GridSearchCV（scroing=rmse_分数）->最佳估计数…最差

从技术上讲，这是一种损失，越低越好。您可以在以下位置启用该选项：

越大越好：布尔值，默认值=真分数函数是否为 分数函数（默认值），意味着高是好的，或者是损失函数， 意思是低是好的。在后一种情况下，记分器对象将 签名翻转分数函数的结果

您还需要将输入顺序从

rmse（预测，实际）

更改为

rmse（实际，预测）

，因为这是GridSearchCV传递它们的顺序。最后的得分手是这样的：

def rmse(actual, predict):

    ...
    ...
    return score

rmse_score = make_scorer(rmse, greater_is_better = False)

---

谢谢你的回复！然而，在这种情况下，当GridSearchCV.best_score_u@willPark是时，我得到了负分。只需反转该符号即可获得实际损失值。没有什么不同。它就是这样设计的，一个逻辑可以处理两种类型的值（分数和损失）。