如何解决使用 cross_val_score 通过交叉验证计算均方误差的函数
我想编写一个函数，允许我使用 sklearn.model_selection 的 cross_val_score 函数计算通过 5 样本交叉验证获得的均方根误差。
（知道 cross_val_score() 函数的评分参数允许选择我们想要使用的指标。）
我找到了这个方法，但它与问题不符：
def rmse(predictions,targets):
return np.sqrt(((predictions - targets)**2).mean())
非常感谢你，谢谢你 :)
解决方法
您在代码中使用了错误的公式，这是均方误差的正确公式。
Y 是预期输出，O 是神经网络的实际输出。
,您可以简单地在 scoring='mean_squared_error' 中设置 sklearn.model_selection.cross_val_score。查看 validator 和 metric 的文档。
换句话说：
cv = cross_val_score(estimator=my_estimator,X,y,cv=5,scoring='mean_squared_error')
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。