使用sklearn决策树分类器时出现KeyError: 'log_loss'问题求助

• 问题根源：sklearn的DecisionTreeClassifier针对分类任务时，criterion参数的合法取值仅为'gini'（默认）和'entropy'，不存在'log_loss'这个选项，因此触发KeyError。

• 解决方案：

  1. 替换为合法参数值
     若你需要基于对数的信息度量准则，可使用'entropy'（其计算逻辑与log_loss高度相关），修改后的代码如下：

     classifier = DecisionTreeClassifier(random_state=42, class_weight='balanced', criterion='entropy')
     classifier.fit(X_train, y_train)
     

  2. 更换模型（若坚持用log_loss准则）
     单棵决策树在sklearn中不支持log_loss作为分裂准则，可改用集成类模型（如GradientBoostingClassifier）或第三方库模型（如XGBoost），这类模型支持以log_loss作为损失函数来训练树模型。

内容的提问来源于stack exchange，提问作者marouane