scikit-learn-Kreuzvalidierung, negative Werte mit dem mittleren quadrierten Fehler
Wenn ich den folgenden code mit Data-matrix - X
Größe (952,144) und output Vektor y
Größe (952), mean_squared_error
Metrik gibt negative Werte, was ist unerwartet. Haben Sie eine Idee?
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')
alle Werte in scores
sind dann negativ.
InformationsquelleAutor der Frage ahmethungari | 2014-01-29
Du musst angemeldet sein, um einen Kommentar abzugeben.
Versucht, dieses zu schließen, so liefere die Antwort, dass David und larsmans haben eloquent beschrieben in den Kommentaren:
Ja, das soll so sein. Der tatsächliche MSE ist einfach die positive version der Nummer, die Sie hier bekommen.
Den einheitlichen scoring-API immer maximiert die Partitur, so erzielt die müssen minimiert werden, werden annulliert, um für die einheitliche scoring-API, um korrekt zu arbeiten. Der score, der zurückgegeben wird, ist daher vereitelt, wenn es eine Partitur, sollten minimiert werden und Links positiv, wenn es eine Partitur, die maximiert werden sollte.
Dies ist auch beschrieben in sklearn GridSearchCV mit Pipeline.
InformationsquelleAutor der Antwort AN6U5