我可以在管道上使用 GridSearchCV 并将评分指定为'MSE'或'R2'. 然后我可以访问gridsearchcv._best_score以恢复我指定的那个。如何获得 GridSearchCV 找到的解决方案的其他分数？
如果我使用另一个评分参数再次运行 GridSearchCV，它可能找不到相同的解决方案，因此它报告的分数可能与我们拥有第一个值的模型不对应。
也许我可以提取参数并将它们提供给新管道，然后cross_val_score使用新管道运行？有没有更好的办法？谢谢。
例如，您可以创建一个计分器来计算 MSE 分数和 R2 分数，然后选择要在 GridSearch 中使用的分数，但是如果您在每个分数函数中插入打印，您将能够看到这两个分数。这是一个入门代码：
from sklearn.metrics import r2_score, mean_squared_error, make_scorer
from sklearn.grid_search import GridSearchCV
from sklearn.linear_model import Ridge
def MSE(y_true,y_pred):
mse = mean_squared_error(y_true, y_pred)
print 'MSE: %2.3f' % mse
return mse
def R2(y_true,y_pred):
r2 = r2_score(y_true, y_pred)
print 'R2: %2.3f' % r2
return r2
def two_score(y_true,y_pred):
MSE(y_true,y_pred) #set score here and not below if using MSE in GridCV
score = R2(y_true,y_pred)
return score
def two_scorer():
return make_scorer(two_score, greater_is_better=True) # change for false if using MSE
model = Ridge()
param_grid = {'alpha':[0.1,1,10]}
X_train = [[1,2],[1,5],[-3,2],[3,7],[-1,1],[0,-1]]
y_train = [1,0,1,0,3,5]
grid = GridSearchCV(model, param_grid, scoring=two_scorer())
grid.fit(X_train, y_train)
best_params = grid.best_params_
model = grid.best_estimator_
score = grid.best_score_
for item in grid.grid_scores_:
print "\t%s %s %s" % ('\tGRIDSCORES\t', "R" , item)
print '%s\tHP\t%s\t%f' % ("R" , str(best_params) ,abs(score))
这是输出：
MSE: 2.376
R2: -8.506
MSE: 6.246
R2: -23.985
MSE: 7.304
R2: -6.304
MSE: 2.226
R2: -7.904
MSE: 5.058
R2: -19.230
MSE: 7.755
R2: -6.755
MSE: 1.786
R2: -6.144
MSE: 1.776
R2: -6.104
MSE: 9.660
R2: -8.660
GRIDSCORES R mean: -12.93166, std: 7.86753, params: {'alpha': 0.1}
GRIDSCORES R mean: -11.29644, std: 5.62964, params: {'alpha': 1}
GRIDSCORES R mean: -6.96916, std: 1.19536, params: {'alpha': 10}
R HP {'alpha': 10} 6.969163