Scikit learn 使用GridSearchCV调整GBRT超参数
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):
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)