neg_mean_squared_error(负均方误差)是均方误差(Mean Squared Error, MSE)的负值。均方误差是衡量模型预测值与真实值之间差异的一种常用指标,而neg_mean_squared_error则是sklearn库在回归任务中为了保持评估指标的一致性(即将损失以负数形式表示)而采用的一种形式。其取值范围是负无穷到0,值越接近0表示模型的预测性...
neg_mean_squared_error中的neg就是negative,即认为所有损失loss都是负数,计算结果为负的mse,因此需要在前面负号。 加负号之后跟下面调用make_scorer中的mean_squared_error计算结果一致。注意cross_val_score中的评价指标是没有 mean_squared_error的。 from sklearn.metrics import make_scorer scores = cross_val_...
我会回答：“因为做回归的时候的我们的残差有正有负，取个平方求和以后可以很简单的衡量模型的好坏。
12 changes: 11 additions & 1 deletion12sklearn/metrics/tests/test_score_objects.py Original file line numberDiff line numberDiff line change Expand Up@@ -78,7 +78,7 @@ "mean_absolute_percentage_error", "mean_squared_error", "median_absolute_error", ...
同时因为平方后容易求导数，比取绝对值还要分情况讨论好用。” 但是经过了几年的科研以后，我觉得这样...