GridSearchCV的参数说明scoring=‘r2’

GridSearchCV是一个用于自动调参的工具，它通过遍历给定的参数组合来寻找最佳的模型参数。在参数中，scoring参数用于指定模型评估的指标。当scoring='r2'时，表示使用R^2作为模型评估的指标。

R^2（R-squared）是一种常用的回归模型评估指标，它表示模型对观测数据的拟合程度。R^2的取值范围在0到1之间，越接近1表示模型对数据的拟合程度越好。

下面是一个使用GridSearchCV进行参数调优并使用R^2作为评估指标的示例代码：

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestRegressor

# 定义参数网格
param_grid = {
    'n_estimators': [10, 20, 30],
    'max_depth': [None, 5, 10]
}

# 创建随机森林回归模型
forest_reg = RandomForestRegressor()

# 创建GridSearchCV对象
grid_search = GridSearchCV(forest_reg, param_grid, cv=5, scoring='r2')

# 在训练数据上进行参数搜索
grid_search.fit(X_train, y_train)

# 输出最佳参数和对应的R^2值
print("Best parameters: ", grid_search.best_params_)
print("Best R^2 score: ", grid_search.best_score_)

在上述代码中，我们定义了一个参数网格param_grid，包含了n_estimators和max_depth两个参数的不同取值。然后创建了一个随机森林回归模型forest_reg，并使用GridSearchCV进行参数搜索，指定了cv=5表示使用5折交叉验证，scoring='r2'表示使用R^2作为评估指标。最后输出了最佳参数和对应的R^2值。