Scikit learn 使用GridSearchCV调整GBRT超参数_Scikit Learn

Scikit learn 使用GridSearchCV调整GBRT超参数

scikit-learn

Scikit learn 使用GridSearchCV调整GBRT超参数,scikit-learn,Scikit Learn,我正在运行GridSearchCV以找到GradientBoostingRegressionor的最佳参数给出的教程是使用MSE进行评分 gs_cv = GridSearchCV(est, param_grid, scoring='mean_squared_error', n_jobs=4).fit(X_train, y_train) 是否可以使用其他自己定义的评分，如均方根对数误差（RMSLE）来获得最佳超参数 def rmsle(predicted, actual, size):

我正在运行GridSearchCV以找到GradientBoostingRegressionor的最佳参数

给出的教程是使用MSE进行评分

gs_cv = GridSearchCV(est, param_grid, scoring='mean_squared_error', n_jobs=4).fit(X_train, y_train)

是否可以使用其他自己定义的评分，如均方根对数误差（RMSLE）来获得最佳超参数

def rmsle(predicted, actual, size):
    return np.sqrt(np.nansum(np.square(np.log(predicted + 1) - np.log(actual + 1)))/float(size))

你需要做一个决定。在您的情况下，它将如下所示：

from sklearn.metrics import make_scorer

scorer = make_scorer(rmsle, greater_is_better=False, size=10)
grid = GridSearchCV(est, param_grid, scoring=scorer)