scikit-aprenda validación cruzada, valores negativos con error cuadrado medio

Question

scikit-aprenda validación cruzada, valores negativos con error cuadrado medio

Cuando uso el siguiente código con Data matrix X de size (952,144) y output vector y de size (952), mean_squared_error metric devuelve valores negativos, lo cual es inesperado. ¿Tienes idea?

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')

Todos los valores en scores son negativos.

25

python scikit-learn regression cross-validation

Author: ahmethungari, 2014-01-30

Source

1 answers

score 35 · Accepted Answer

Tratando de cerrar esto, por lo que estoy proporcionando la respuesta que David y larsmans han descrito elocuentemente en la sección de comentarios:

Sí, se supone que esto debe suceder. El MSE real es simplemente la versión positiva del número que está recibiendo.

La API de puntuación unificada siempre maximiza la puntuación, por lo que las puntuaciones que deben minimizarse se niegan para que la API de puntuación unificada funcione correctamente. Por lo tanto, la puntuación que se devuelve se niega cuando se trata de una puntuación que se debe minimizar y dejar positivo si es una puntuación que se debe maximizar.

Esto también se describe en sklearn GridSearchCV con Pipeline.