我创建了一个GradientBoostingRegressor模型。

我在GridSearchCV函数中使用scoring参数来返回MSE评分。

我想知道如果我在param_grids中使用criterion，是否会改变我的模型？哪种方式是正确的？

GBR = GradientBoostingRegressor()
param_grids = {
                'learning_rate'    : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ],
                'n_estimators'     : [50,60,70,80,90,100],
                'max_depth'        : [1, 2, 3, 4],
                'min_samples_leaf' : [1,2,3,5,10,15],
                'min_samples_split': [2,3,4,5,10],
                  #'criterion' : ['mse']
}
kf = KFold(n_splits=3, random_state=42, shuffle=True)
gs = GridSearchCV(estimator=GBR, param_grid = param_grids , cv = kf, n_jobs=-1, return_train_score=True, scoring='neg_mean_squared_error') 

回答：

criterion方法用于评估树中的分割。scoring方法用于评估整个模型的质量。

如果你想知道它是否会改变你的模型，为什么不直接测试一下呢？这就是GridSearchCV擅长的。默认值是friedman_mse，所以：

param_grids = {
                    'learning_rate'    : [0.01, 0.05, 0.07, 0.1, 0.3, 0.5 ],
                    'n_estimators'     : [50,60,70,80,90,100],
                    'max_depth'        : [1, 2, 3, 4],
                    'min_samples_leaf' : [1,2,3,5,10,15],
                    'min_samples_split': [2,3,4,5,10],
                      'criterion' : ['friedman_mse', 'mse']
    }