cross_val_score用于回归指标
时间: 2024-05-11 22:18:42 浏览: 140
使用sklearn的cross_val_score进行交叉验证实例
是的,cross_val_score函数可以用于回归任务。在回归任务中,我们通常使用回归指标来评估模型的性能,包括均方误差(mean squared error)、均方根误差(root mean squared error)、平均绝对误差(mean absolute error)等。在使用cross_val_score函数时,我们可以通过指定scoring参数来选择不同的回归指标进行评估。例如,如果我们想使用均方误差作为评估指标,则可以将scoring参数设置为'mean_squared_error'。下面是一个使用cross_val_score函数进行回归任务的示例代码:
```
from sklearn.datasets import load_boston
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LinearRegression
# 加载波士顿房价数据集
boston = load_boston()
# 构建线性回归模型
lr = LinearRegression()
# 使用cross_val_score函数进行交叉验证
scores = cross_val_score(lr, boston.data, boston.target, cv=5, scoring='neg_mean_squared_error')
# 输出均方误差的平均值和标准差
print('MSE:', -scores.mean())
print('MSE std:', scores.std())
```
在上述代码中,我们使用波士顿房价数据集构建了一个线性回归模型,并使用cross_val_score函数进行了5折交叉验证。评估指标为均方误差,输出了均方误差的平均值和标准差。
阅读全文