pandas_ml 中的 cross_validation 问题

【问题标题】：issue with cross_validation in pandas_mlpandas_ml 中的 cross_validation 问题
【发布时间】：2016-04-02 20:13:04
【问题描述】：

我尝试使用pandas_ml library 完成交叉验证

df = pdml.ModelFrame(features, target)
estimators = {'SVM: SVR': df.svm.SVR(),
              'SVM: LinearSVR': df.svm.LinearSVR()}

for label, estimator in estimators.iteritems():
    scores = df.cross_validation.cross_val_score(estimator=estimator, cv=7, scoring='accuracy')
    print("Accuracy: %0.2f (+/- %0.2f) [%s]" % (scores.mean(), scores.std(), label))

但是，我遇到了意外的错误

raise ValueError("{0} is not supported".format(y_type))

ValueError: 不支持连续

这里有什么技巧吗？

【问题讨论】：

标签： python python-2.7 pandas machine-learning scikit-learn

【解决方案1】：

这是因为accuracy 指标仅用于对分类模型进行评分。它衡量正确预测的比例。而不是你的预测中有多少是正确的，在回归中你想知道的是你的预测离正确答案有多远——它们中的任何一个都不太可能完全正确，所以这不是有意义的指标。

Regression metrics包括r2、mean_squared_error、mean_absolute_error等

你可以使用类似的东西：

scores = df.cross_validation.cross_val_score(estimator=estimator, cv=7, scoring='r2')

【讨论】：

回归模型还有其他方法吗？
blog.datadive.net/… - 我看到 cross_val_score 与 RandomForestRegressor 一起使用
这是使用r2 评分指标。使用cross_val_score 没有问题，您只需要使用适当的评分指标即可。