sklearn基于make_scorer函数构建自定义损失函数或者评估指标

最新推荐文章于 2021-12-29 19:36:03 发布

Data+Science+Insight

最新推荐文章于 2021-12-29 19:36:03 发布

阅读量2.2k

点赞数 2

分类专栏：数据科学从0到1 文章标签：机器学习数据挖掘人工智能自然语言处理深度学习

本文链接：https://blog.csdn.net/zhongkeyuanchongqing/article/details/119323065

版权

数据科学从0到1 专栏收录该内容

1640 篇文章 645 订阅 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何在sklearn中利用make_scorer函数创建自定义的损失函数或评估指标。通过导入相关库，使用make_regression生成模拟数据，然后进行数据划分，建立岭回归模型并训练。接着封装自定义评估函数，该函数可以包含如R方等标准评估指标。最后，使用自定义的评分函数来评估模型的性能。

摘要由CSDN通过智能技术生成

sklearn基于make_scorer函数构建自定义损失函数或者评估指标

See the source image

# 导入需要的包和库

# Load libraries
from sklearn.metrics import make_scorer, r2_score
from sklearn.model_selection import train_test_split
from sklearn.linear_model import Ridge
from sklearn.datasets import make_regression

# 使用make_regression函数构建仿真数据；

# 使用train_test_split函数进行数据划分；

# Generate features matrix and target vector
X, y = make_regression(n_samples = 100,
                          n_features = 3,
                          random_state = 1)

# Create training set and test set
X_train, X_test, y_train, y_test = train_t