python - 负的 cross_val_score() 是什么意思？

Question

我正在研究一个多元线性回归问题，并通过 R^2、MAE 和 cross_val_score() 评估其性能。我有一个大小为(1565,334)的feature_set和大小为(1565,1)的y1。这是我的代码:

mreg = LinearRegression()
mreg.fit(x_train,y_train)
mlr_y_predict = mreg.predict(x_test)

from sklearn.model_selection import cross_val_score
from sklearn import metrics

mae_mlr = metrics.mean_absolute_error(y_test, mlr_y_predict)
r2_mlr = metrics.r2_score(y_test,mlr_y_predict)
cvs = cross_val_score(mreg,feature_set,y1,cv=10)
print("Accuracy: %0.2f (+/- %0.2f)" % (cvs.mean(), cvs.std() * 2))

结果:

R^2: 0.9965384981365643
MAE: 3.479652627390258
Accuracy: -71566695397566744.00 (+/- 352467332828473856.00)

为什么我的 cross_val_score() 得到这样的负值？这是否意味着模型不好还是什么？

Answer 1

统一评分 API 还可以最大限度地提高性能，从而消除需要最小化以使统一评分 API 正常运行的分数。因此，当返回的分数是应该最小化的分数时，返回的分数为负；如果是应该最大化的分数，则返回正值。