python - sklearn验证分数意义

Question

每当我在 sklearn 上训练 MLP 模型时，我都会在此处获得此输出:

from sklearn.neural_network import MLPClassifier


clf_mlp = MLPClassifier(random_state=1,\
                        max_iter=200,\
                        hidden_layer_sizes=(256,256,256),\
                        early_stopping = True,\
                        verbose=True).fit(X, pdf_train["label"])

Iteration 1, loss = 1.23744239
Validation score: 0.649914
Iteration 2, loss = 1.07239263
Validation score: 0.652249
Iteration 3, loss = 0.99360697
Validation score: 0.652205
Iteration 4, loss = 0.90097632
Validation score: 0.646963
<And it goes on...>

我对如何阅读此日志感到困惑:“损失”是训练损失还是验证损失？ “验证分数”值是准确度还是验证损失？

如果您能指出 sklearn 文档中对此进行了解释，我也将不胜感激。

Answer 1

看起来打印的loss 是training 损失(默认:log-loss)，由the source code 证明。 .

打印的 Validation score 确实是验证数据的分数(默认值:准确性)，如 this function in the source code 所证明的那样.

这绝对应该有更好的记录，随时 submit an issue .