scikit-learn 的 LassoCV 的评分指标

Posted 2023-03-12

【中文标题】scikit-learn 的 LassoCV 的评分指标

【英文标题】：Scoring Metric for scikit-learn's LassoCV

【发布时间】：2017-10-21 15:45:39

【问题描述】：

我正在使用 scikit-learn 的 LassoCV 函数。在交叉验证期间，默认使用什么scoring metric？

我希望交叉验证基于“均方误差回归损失”。可以将此指标与 LassoCV 一起使用吗？可以为LogisticRegressionCV 指定一个评分指标，那么 LassoCV 也可以吗？

【问题讨论】：

当前实现中不可能。您可以将此作为问题提交到 scikit-learn github 页面，然后查看响应是什么。

你知道目前的评分标准是什么吗？

R2 是大多数回归估计器的默认指标。见score() for LassoCV的描述

【参考方案1】：

LassoCV 使用 R^2 作为评分指标。来自docs：

默认情况下，参数搜索使用估计器的得分函数 评估参数设置。这些是 sklearn.metrics.accuracy_score 用于分类和 sklearn.metrics.r2_score 用于回归。

要使用其他评分指标，例如均方误差，您需要使用GridSearchCV 或RandomizedSearchCV（而不是LassoCV）并将scoring 参数指定为scoring='neg_mean_squared_error'。来自docs：

可以通过评分指定替代评分函数 GridSearchCV、RandomizedSearchCV 和许多 如下所述的专用交叉验证工具。

【参考方案2】：

我认为接受的答案是错误的，因为它引用了网格搜索的文档，但 LassoCV 使用正则化路径，而不是网格搜索。 事实上，在LassoCV 的文档页面中，它说损失函数是：

(1 / (2 * n_samples)) * ||y - Xw||^2_2 + alpha * ||w||_1

意味着它最小化 MSE（加上 LASSO 项）。

【讨论】：

我认为没有错。我认为你们两个在回答不同的问题，接受的答案回答了 OP 的问题，而你回答了不同的问题。 OP 在交叉验证期间要求提供“评分指标”。这不等于问解决了什么目标函数，我想这就是你要回答的问题？