scikit-learn机器学习中进行回归时切换损失函数的方法

问题描述

我想学习在 scikit-learn 机器学习中对损失函数使用对数平方误差（以支持向量回归为例）。我想学习使用对数平方误差作为损失函数。

import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.svm import SVR
from sklearn.model_selection import train_test_split

boston = load_boston()
X_train,X_test,y_train,y_test = train_test_split(boston['data'],boston['target'],test_size=0.2,random_state=1001)

svr_model = SVR(kernel='rbf')
svr_model.fit(X_train,y_train)

然后，训练 SVR 模型以最小化训练数据集的平方误差和正则化项的总和。 但是，我想训练 SVR 模型以最小化训练数据集的对数平方误差和正则化项的总和。 我该怎么做？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）