python - 如何在 RandomForestRegression 中计算 MSE 标准？

Question

我现在使用 sklearn.ensemble 中的 RandomForestRegressor 来分析数据集，并选择“mse”作为衡量分割质量的函数。但我不太清楚 mse 是如何计算的。谁能在这里向我解释一下（用方程式更好）或提供一些参考资料？先感谢您。

Answer 1

如果我想尽快回答这个作为成本函数方法之一的指标，如果您认为您的模型遵循下图中的绿线，并且这些蓝点是您的数据 MSE，顾名思义是所有平方面积总和的平均值关于线的数据点，总而言之，代表您的模型错误。 MSE 可以通过以下方式计算：

它显示了我们的 medel 的好坏。MSE越小，模型越好！

更多信息：

了解 Python 中的回归错误度量

损失函数简介

2019 年 5 月 30 日更新：为了验证事情，您可以根据其文档.RandomForestRegressor深入研究文档，有时也可以深入研究代码，即使您检查用于测量的源代码，MSE 也不过是作为特征选择标准的方差减少一个分裂的质量。另一方面，如果您对 MSE 方法持怀疑态度，.RandomForestRegressor 您可以通过criterion这样的自定义来独立使用：

from sklearn.metrics import mean_squared_error
from sklearn.ensemble import RandomForestRegressor
#Feature Selection
criterion = mean_squared_error(y, predictions)
RandomForestRegressor( ...,criterion= criterion,...)

或使用 numpy：

import numpy as np
criterion = np.mean((y_test - est.predict(X_test))**2)