ValueError：“mean_absolute_error”不是有效的评分值.使用 sorted(sklearn.metrics.SCORERS.keys()) 获取有效选项. - Python

这个错误通常发生在使用 sklearn.metrics.make_scorer() 时。在该函数中，'mean_absolute_error'被用作评分函数参数。然而，有时候，你会遇到属性错误，提示你这个不是个有效的评分参数。

例如，以下代码示例中的 'mean_absolute_error' 就不是一个有效的评分参数：

from sklearn.metrics import make_scorer
from sklearn.metrics import mean_absolute_error

scorer = make_scorer(mean_absolute_error, greater_is_better=False)

为了解决这个问题，你需要使用 sklearn.metrics.SCORERS.keys() 来获取有效的选项列表。你需要强制转换这个列表成一个字符串形式（str(list)），把它们传递给 make_scorer() 函数中的 'scoring' 参数，就像这样：

from sklearn.metrics import make_scorer
from sklearn.metrics import mean_absolute_error
import sklearn.metrics as skmetrics

scorers = str(list(skmetrics.SCORERS.keys()))
print(f"Valid scorers: {scorers}")

scorer = make_scorer(mean_absolute_error, greater_is_better=False, scoring='neg_mean_absolute_error')

这个代码示例会打印一个有效选项列表，并使用 'neg_mean_absolute_error' 作为评分参数传给 make_scorer() 函数。

Markdown 格式的返回：

ValueError：“mean_absolute_error”不是有效的评分值.使用 sorted(sklearn.metrics.SCORERS.keys()) 获取有效选项. - Python

这个错误通常发生在使用 sklearn.metrics.make_scorer() 时。在该函数中，'mean_absolute_error'被用作评分函数参数。然而，有时候，你会遇到属性错误，提示你这个不是个有效的评分参数。

例如，以下代码示例中的 'mean_absolute_error' 就不是一个有效的评分参数：

from sklearn.metrics import make_scorer
from sklearn.metrics import mean_absolute_error

scorer = make_scorer(mean_absolute_error, greater_is_better=False)

为了解决这个问题，你需要使用 sklearn.metrics.SCORERS.keys() 来获取有效的选项列表。你需要强制转换这个列表成一个字符串形式（str(list)），把它们传递给 make_scorer() 函数中的 'scoring' 参数，就像这样：

from sklearn.metrics import make_scorer
from sklearn.metrics import mean_absolute_error
import sklearn.metrics as skmetrics

scorers = str(list(skmetrics.SCORERS.keys()))
print(f"Valid scorers: {scorers}")

scorer = make_scorer(mean_absolute_error, greater_is_better=False, scoring='neg_mean_absolute_error')

这个代码示例会打印一个有效选项列表，并使用 'neg_mean_absolute_error' 作为评分参数传给 make_scorer() 函数。