使用GridSearchCV GBRT超參數調整

Question

我正在運行GridSearchCV以查找GradientBoostingRegressor的最佳參數。

給出的教程是使用MSE進行評分。

gs_cv = GridSearchCV(est, param_grid, scoring='mean_squared_error', n_jobs=4).fit(X_train, y_train) 

是否可以使用其他自己定義的評分，如均方根對數誤差（RMSLE）來獲得最佳超參數？

def rmsle(predicted, actual, size): 
    return np.sqrt(np.nansum(np.square(np.log(predicted + 1) - np.log(actual + 1)))/float(size)) 

Answer 1

您需要撥打custom scorer。在你的情況下它看起來像這樣：

from sklearn.metrics import make_scorer 

scorer = make_scorer(rmsle, greater_is_better=False, size=10) 
grid = GridSearchCV(est, param_grid, scoring=scorer)