我对sklearn
的Pipeline
和GridSearchCV
功能还不熟悉。我试图建立一个管道,首先对我的训练数据进行随机主成分分析,然后拟合岭回归模型。这是我的代码:
pca = RandomizedPCA(1000, whiten=True)
rgn = Ridge()
pca_ridge = Pipeline([('pca', pca),
('ridge', rgn)])
parameters = {'ridge__alpha': 10 ** np.linspace(-5, -2, 3)}
grid_search = GridSearchCV(pca_ridge, parameters, cv=2, n_jobs=1, scoring='mean_squared_error')
grid_search.fit(train_x, train_y[:, 1:])
我知道RidgeCV
函数,但我想试试Pipeline和GridSearch CV。
我希望grid search CV报告RMSE错误,但是sklearn似乎不支持这个,所以我使用MSE。但是,它所对应的分数是负的:
In [41]: grid_search.grid_scores_
Out[41]:
[mean: -0.02665, std: 0.00007, params: {'ridge__alpha': 1.0000000000000001e-05},
mean: -0.02658, std: 0.00009, params: {'ridge__alpha': 0.031622776601683791},
mean: -0.02626, std: 0.00008, params: {'ridge__alpha': 100.0}]
很明显,这对于均方误差是不可能的-我在这里做错了什么?
这些分数是负的MSE分数,也就是说,否定它们,你就得到了MSE。问题是,按照惯例,
GridSearchCV
总是试图将的得分最大化,因此必须否定MSE这样的损失函数。如果你想将RMSE作为一个度量,你可以编写自己的可调用/函数,它将采用Yôpred和Yôorg并计算RMSE。
相关问题 更多 >
编程相关推荐