我在尝试计算均方根对数误差时，发现了几种方法，其中一种是使用sklearn的度量标准：mean_squared_log_error，并取其平方根

np.sqrt(mean_squared_log_error( target, predicted_y ))

但我遇到了以下错误：

当目标值包含负值时，无法使用均方对数误差

我还尝试了来自Kaggle帖子的一个解决方案：

同样的问题，这次我得到了一个域错误。

在同一篇帖子中，他们针对负对数问题发表了以下评论：

你说的对。你必须转换y_pred和y_test，确保它们不包含负值。

在我预测天气温度（最初以摄氏度为单位）的情况下，解决方案是将它们转换为开氏度，然后计算RMSLE：

rmsle(data.temp_pred + 273.15, data.temp_real + 273.15)

有没有什么标准方法可以让这个度量标准支持负值？

回答：

将两个数组标准化到0到1的范围内

如果你使用scikit，可以使用sklearn.preprocessing.minmax_scale：

minmax_scale(arr, feature_range=(0,1))

在执行此操作之前，请保存arr的最大值和最小值。你可以据此恢复实际值。

例如：

normalized = (value - arr.min()) / (arr.max() - arr.min()) # 示例