python - R-Squared、MSE、MAE 作为模型评估技术来比较回归结果
问题描述
我在我的庞大数据集中运行不同的回归技术,至少需要 8 小时来训练。因此,我想比较所有算法在 R 平方、MAE、MSE 方面的结果,而无需使用不同的评分技术多次运行算法。我想知道我应该对下面的代码进行哪些更改。
from sklearn.model_selection import cross_val_score
sv = SVR()
scores = cross_val_score(sv, X, Y.values.ravel(), scoring='r2', cv=5)
scores
解决方案
推荐阅读
- next.js - 将 NextJS 部署到 Vercel 失败
- python - 在 scipy.differential_evolution 中执行workers参数时出错
- gradle - Intellij Idea:即使从命令行成功,Gradle 同步也会取消
- amazon-web-services - AWS 新手。我需要为 kinesis 分析应用程序创建一个云形成模板。输入是运动数据流,输出是 lambda 函数
- plsql - 如何在 oracle plsql 中产生 kafka 事件
- java - 重定向到 java web-app 后无法获取 AuthenticationResult
- javascript - chorme 扩展 - 如何替换用户选择的文本
- python - 如何使用 List Comprehension 和 Pydash 按键查找特定 JSON 值
- python - 捕获拼写错误的 Python 对象属性的简单方法?
- sql - 0RA-00907:SQL 缺少右括号