解读 sklearns 的 GridSearchCV 最佳成绩

Question

我想知道GridSearchCV 返回的分数与R2 度量之间的差异，计算如下。在其他情况下，我收到的网格搜索分数非常低（cross_val_score 也是如此），如果能解释它是什么，我将不胜感激。

from sklearn import datasets
from sklearn.model_selection import (cross_val_score, GridSearchCV)
from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import accuracy_score, r2_score
from sklearn import tree

diabetes = datasets.load_diabetes()
X = diabetes.data[:150]
y = diabetes.target[:150]
X = pd.DataFrame(X)

parameters = {'splitter':('best','random'), 
              'max_depth':np.arange(1,10), 
              'min_samples_split':np.arange(2,10), 
              'min_samples_leaf':np.arange(1,5)}

regressor = GridSearchCV(DecisionTreeRegressor(), parameters, scoring = 'r2', cv = 5)
regressor.fit(X, y)

print('Best score: ', regressor.best_score_)
best = regressor.best_estimator_
print('R2: ', r2_score(y_pred = best.predict(X), y_true = y))

Answer 1

@Davide 在 cmets 中链接的The question 回答了为什么你会得到一个正的R2 分数 - 你的模型比恒定预测表现更好。同时，在其他情况下，如果您的模型表现不佳，您可能会得到负值。

值不同的原因是 regressor.best_score_ 是在您所做的 5 倍拆分中的特定折叠上评估的，而 r2_score(y_pred = best.predict(X), y_true = y) 评估相同的模型 (regressor.best_estimator_) 但在完整样本上（包括用于训练该估计器的 (5-1)-fold 子集）

Answer 2

regressor.best_score_ 是最佳参数组合的剩余测试折叠的 r2 分数的平均值。

在您的示例中，cv=5，因此数据将分为训练和测试折叠 5 次。该模型将在火车上安装并在测试中评分。将这 5 个测试分数平均得到分数。请看documentation：

“best_score_：最佳估计器的平均交叉验证分数”

对所有参数组合重复上述过程。并且它的最佳平均分数分配给best_score_。

您可以查看 at my other answer 以了解 GridSearchCV 的完整工作

找到最佳参数后，模型会在完整数据上进行训练。

r2_score(y_pred = best.predict(X), y_true = y)

与训练模型的数据相同，因此在大多数情况下，它会更高。