J'utilise la fonction LassoCV de scikit-learn. Lors de la validation croisée, quels sont les scoring metric utilisés par défaut? Je souhaite que la validation croisée soit basée sur "perte de régression d'erreur quadratique moyenne". Peut-on utiliser cette métrique avec LassoCV? On peut spécifier une métrique de notation pour LogisticRegressionCV, donc c'est peut-être possible avec LassoCV aussi?Métrique d'évaluation pour LassoCV de scikit-learn
LassoCV utilise R^2 comme mesure de notation. De l'docs:
Par défaut, la recherche de paramètres utilise la fonction de score de l'estimateur pour évaluer un réglage des paramètres. Ce sont les sklearn.metrics.accuracy_score pour la classification et sklearn.metrics.r2_score pour la régression.
Pour utiliser une métrique de notation de rechange, comme erreur quadratique moyenne, vous devez utiliser GridSearchCV ou RandomizedSearchCV (au lieu de LassoCV) et spécifier le paramètre scoring comme scoring='neg_mean_squared_error'. De l'docs:
Une fonction de notation alternative peut être spécifiée via le paramètre notation à GridSearchCV, RandomizedSearchCV et un grand nombre des outils de validation croisée spécialisés décrits ci-dessous.
Impossible dans la version actuelle. Vous pouvez mettre cela comme un problème à la page de github de scikit-learn et voir quelle est la réponse. –
Savez-vous quelle est la métrique de notation actuelle? –
R2 est la métrique par défaut pour la plupart des estimateurs de régression. Voir la description de [score() pour LassoCV] (http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LassoCV.html#sklearn.linear_model.LassoCV.score) –