python - scikit-learn 交叉验证，具有均方误差的负值

Question

当我将以下代码与大小 (952,144) 的数据矩阵 X 和大小 (952) 的输出向量 y 一起使用时，mean_squared_error metric 返回负值，这是意料之外的。你有什么想法吗？

from sklearn.svm import SVR
from sklearn import cross_validation as CV

reg = SVR(C=1., epsilon=0.1, kernel='rbf')
scores = CV.cross_val_score(reg, X, y, cv=10, scoring='mean_squared_error')

scores 中的所有值都是负数。

Answer 1

试图解决这个问题，所以我提供了 David 和 larsmans 在评论部分 Eloquent 地描述的答案:

是的，这应该会发生。实际的 MSE 只是你得到的数字的正数。

统一评分 API 始终最大化分数，因此需要最小化的分数被取反，以便统一评分 API 正常工作。因此，返回的分数在应该被最小化的分数时被否定，如果是应该被最大化的分数，则保留为正数。

这也在 sklearn GridSearchCV with Pipeline 中有所描述.