从 cross_val_score 得到的分数是 RMSE 还是 MSE？

Posted 2023-03-12

【中文标题】从 cross_val_score 得到的分数是 RMSE 还是 MSE？

【英文标题】：Score obtained from cross_val_score is RMSE or MSE?

【发布时间】：2020-10-12 07:30:22

【问题描述】：

我正在使用以下代码：-

from sklearn.model_selection import cross_val_score
accuracies = cross_val_score(estimator = regressor, X=X,y=y, cv =10)
accuracies.mean()

这个平均值是RMSE还是MSE？

编辑：- 我正在使用随机森林回归。在 Scikit 学习文档中，他们将其描述为准确性。我如何将它与 RMSE 或 MSE 联系起来

【问题讨论】：

什么型号？您已包含 random-forest 标记，但请在问题本身中澄清这一点。

您好，请查看文档 - scikit-learn.org/stable/modules/generated/…。提供评分器，或阅读您的回归者班级的文档

【参考方案1】：

它实际上既不是 RMSE 也不是 MSE。如果您查看cross_val_score 的文档，您会看到它有一个参数scoring，它说：

如果没有，则使用估算器的默认记分器（如果可用）。

在您的情况下，这意味着它将使用RandomForestRegressor 的默认记分器。当您查看其 .score() 方法的文档时，它会告诉您：

返回预测的决定系数R^2。

这意味着您计算了平均值 R^2。如果要更改此行为，则必须指定cross_val_score 的scoring 参数。选项可以在here找到。