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
2
A
Répondre
1
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) –