Ist sklearn.Metriken.mean_squared_error die größer desto besser (negiert)?

Im Allgemeinen, die mean_squared_error ist je kleiner, desto besser.

Wenn ich mit der sklearn Metriken Paket, heißt es in dem Dokument Seiten: http://scikit-learn.org/stable/modules/model_evaluation.html

Alle scorer Objekte Folgen der Konvention, dass höhere Werte zurückgegeben werden
besser als niedrigere Werte zurück. Also Metriken, die Messung der
Abstand zwischen dem Modell und den Daten, wie
Metriken.mean_squared_error, sind als neg_mean_squared_error
die Rückkehr der negierten Wert der Metrik.

und
Ist sklearn.Metriken.mean_squared_error die größer desto besser (negiert)?

Allerdings, wenn ich gehen Sie zu: http://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html#sklearn.metrics.mean_squared_error

Er sagt, es ist die Mean squared error regression loss nicht sagen, es wird negiert.

Und wenn ich schaute in den Quellcode und überprüft das Beispiel dort:https://github.com/scikit-learn/scikit-learn/blob/a24c8b46/sklearn/metrics/regression.py#L183 tut es die normale mean squared error, d.h. je kleiner, desto besser.

So Frage ich mich, wenn ich nichts übersehen habe über den negierten Teil in das Dokument. Danke!

InformationsquelleAutor Edamame | 2018-01-13
Schreibe einen Kommentar