Python Numpy 数组(坏)自动舍入

Question

我在线性回归模型上使用留一交叉验证。拥有 8869 个观察结果，原因如下:

reg = LinearRegression()

list_Rs = cross_val_score(reg, X_34_const, y_34,
                      cv = len(y_34), 
                      scoring = 'r2')

我应该获得一个包含 8869 个值的 numpy 数组，包含在 0 到 1 之间，有 8 位小数。问题是，在生成结果时，Python 自动将所有此类值舍入为 0.0:

array([0., 0., 0., ..., 0., 0., 0.])

相反，例如，如果我使用 2 折交叉验证(这意味着 list_Rs 是一个具有 2 个值的 numpy 数组)，它会打印正确的未舍入值:

list_Rs = cross_val_score(reg, X_34_const, y_34,
                      cv = 2, 
                      scoring = 'r2')

打印出来的是:

array([0.16496198, 0.18115719])

这不仅仅是一个打印表示问题，因为，例如:

print(list_Rs[3] == 0)

返回真。这对我来说是一个主要问题，因为在我的计算中，我需要将 list_Rs 的值放在分数的分母处!

如何解决该问题，以免我的 8869 维数组中也出现自动舍入值？

非常感谢，期待您的回复。

Answer 1

Python 和 NumPy 都没有在这里进行任何舍入:scikit-learn 的 r2_score评分函数(在使用 scoring='r2' 调用 cross_val_score 时在后台调用)返回实际的零。

这是因为通过使用留一法，每个验证集都包含一个样本。因此，现在对于交叉验证的每个部分，都会使用单个观测值以及该观测值的单个预测值来调用 r2_score。在这种情况下，它的产量为零。例如:

>>> from sklearn.metrics import r2_score
>>> import numpy as np
>>> y_true = np.array([2.3])
>>> y_pred = np.array([2.1])
>>> r2_score(y_true, y_pred)
0.0

Here's假设预测值与观察值不完全匹配，在对单个数据点进行评估时，r2_score 最终(有点任意)返回零的实现部分。

可以说，r2_score 应该引发异常或产生负无穷大而不是零:确定系数使用观测数据的方差作为归一化因子，并且当只有一个时观察，方差为零，因此 R2 分数的公式涉及除以零。 scikit-learn bug report 对此有一些讨论。 .