python - scikit-learn RidgeCV 评分选项不起作用

Question

我注意到无论 scoring 选项如何，RidgeCV 的 cv_values_ 始终处于相同的度量中。这是一个例子:

from sklearn.linear_model import RidgeCV
from sklearn.datasets import load_boston

boston = load_boston()

mod = RidgeCV(store_cv_values = True, scoring = 'r2')
fit = mod.fit(boston.data, boston.target)
print(fit)
print(fit.cv_values_)

mod = RidgeCV(store_cv_values = True, scoring = 'neg_mean_squared_error')
fit = mod.fit(boston.data, boston.target)
print(fit)
print(fit.cv_values_)

输出是:

RidgeCV(alphas=(0.1, 1.0, 10.0), cv=None, fit_intercept=True, gcv_mode=None,
    normalize=False, scoring='r2', store_cv_values=True)
[[ 7.61705436  7.83092421  8.2298466 ]
 [ 2.50029583  2.31181064  2.11665248]
 [ 7.98280614  7.95286299  7.87166914]
 ..., 
 [ 5.24271689  5.50191347  5.84802692]
 [ 3.7448827   4.01778493  4.40457956]
 [ 0.0859419   0.37219929  0.89447484]]
RidgeCV(alphas=(0.1, 1.0, 10.0), cv=None, fit_intercept=True, gcv_mode=None,
    normalize=False, scoring='neg_mean_squared_error',
    store_cv_values=True)
[[ 7.61705436  7.83092421  8.2298466 ]
 [ 2.50029583  2.31181064  2.11665248]
 [ 7.98280614  7.95286299  7.87166914]
 ..., 
 [ 5.24271689  5.50191347  5.84802692]
 [ 3.7448827   4.01778493  4.40457956]
 [ 0.0859419   0.37219929  0.89447484]]

如您所见，即使我指定了不同的 scoring，cv_values_ 也是相同的。我希望 cv_values_ 在第一种情况下位于 r2 指标中。我错过了一些明显的东西吗？我对 scikit-learn 很陌生。这是在 Python 3.5.2 上运行的 scikit-learn 0.18.1。

Answer 1

与 RidgeCV.cv_values_ 文档相反，来自 RidgeCV source code看起来 scorer 仅用于选择最佳超参数(设置 self.alpha_ 和 self.dual_coef_ 属性)。

因此应更改文档或源代码以使行为正确。在 scikit-learn 中提出问题 bug tracker可能是个好主意。