machine-learning - RandomizedSearchCV 如何决定最佳参数是什么？

Question

我知道实际上没有“最佳模型”，因为成为最佳模型取决于您希望获得最佳价值的评估指标。所以我的问题是，RandomizedSearchCV用来决定哪些是最佳参数的指标是什么？

标签： machine-learningscikit-learn

Answer 1

我希望您指的是RandomizedSearchCV。这默认使用给定估计器的评分值，您可以通过更改scoring参数来修改它。

从文档：

评分str，可调用，列表/元组或字典，默认 = 无。
单个 str（请参阅评分参数：定义模型评估规则）或可调用对象（请参阅从度量函数定义评分策略）来评估测试集上的预测。

为了评估多个指标，要么给出一个（唯一的）字符串列表，要么给出一个名称作为键、可调用对象作为值的字典。

请注意，使用自定义记分器时，每个记分器应返回一个值。返回值列表/数组的度量函数可以包装到多个记分器中，每个记分器返回一个值。

有关示例，请参阅指定多个指标进行评估。 如果没有，则使用估计器的评分方法。

Sklearn 对分类器的默认评分是accuracy，回归器的默认评分是r2 score

例如，您可以看到对于 LinearRegresssion，它是r2 score- 请参见此处。