我使用以下代码进行了随机森林回归并进行交叉验证。
我有两个问题。
我不了解这种情况下交叉验证中的“分数”是什么意思
回归，而不是分类（我的意思是默认情况下）。
这是？
并且有设置其他功能的功能（例如
mean_squared_error）得分？
谢谢。
from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor(n_estimators=100, criterion='mse',random_state=1, n_jobs=-1)
rf.fit(X_trainr, y_trainr)
y_train_pred = rf.predict(X_trainr)
y_test_pred = rf.predict(X_testr)
y_all_pred = rf.predict(xsetr)
from sklearn.model_selection import cross_val_score
scores = cross_val_score(rf, xsetr, ysetr, cv=5)
print("Cross-validation scores:{}".format(scores))
最佳答案
根据文档：cross_val_score的结果是每次交叉验证运行时估计量得分的数组。.根据我的理解，默认情况下，这是分类器在每一折上的准确性。对于回归，由您自己决定，可以是均方误差，也就是损失。如果您有兴趣，可以阅读此函数的源代码。
关于machine-learning - 随机森林上的交叉验证，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49472275/