在GridSearchCv

Question

我创建了一个渐变boostingRegressor模型。

I在GridSearchCV函数中使用

scoring

参数返回MSE分数。

我想知道我是否在

criterion

中使用

param_grids

会改变我的模型？哪种正确的方法？

GBR = GradientBoostingRegressor()
param_grids = {
                'learning_rate'    : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ],
                'n_estimators'     : [50,60,70,80,90,100],
                'max_depth'        : [1, 2, 3, 4],
                'min_samples_leaf' : [1,2,3,5,10,15],
                'min_samples_split': [2,3,4,5,10],  
                #'criterion' : ['mse']
}
    
kf = KFold(n_splits=3, random_state=42, shuffle=True)
gs = GridSearchCV(estimator=GBR, param_grid = param_grids , cv = kf, n_jobs=-1, 
return_train_score=True, scoring='neg_mean_squared_error') 

Answer 1

Scoring

方法评估了整个模型的质量。 如果您想找出它更改模型，为什么不只是对其进行测试呢？这就是GridSearchCV擅长的。默认值是Friedman_mse，因此：

param_grids = {
                    'learning_rate'    : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ],
                    'n_estimators'     : [50,60,70,80,90,100],
                    'max_depth'        : [1, 2, 3, 4],
                    'min_samples_leaf' : [1,2,3,5,10,15],
                    'min_samples_split': [2,3,4,5,10],  
                    'criterion' : ['friedman_mse', 'mse']
    }