我想了解为什么 sklearn.metrics.mean_squared_error() 返回一个负数？我知道这不可能，但这确实发生在我使用的两台机器上。我使用的是 Python 3.6 和 sklearn(0.0)。

代码如下：

from sklearn.metrics import mean_squared_errorpredictions = [96271]test = [35241]mse = mean_squared_error(test, predictions)print('MSE: %.3f' % mse)Ouput: MSE: -570306396.000

这是调试器显示负值的截图：enter image description here

回答：

使用新代码后，问题似乎只是整数溢出

>>> from sklearn.metrics import mean_squared_error>>> predictions = [96271]>>> test = [35241]>>> mean_squared_error(test, predictions)-570306396.0>>> np.float32(96271 - 35241)**23724660900>>> np.int32(96271 - 35241)**2-570306396

自然的问题是，它什么时候会出错，因为内置的 Python int 不会溢出

>>> (96271 - 35241)**23724660900

所以问题出现在 scikit learn 将你的数据包装成 numpy 数组时

    y_type, y_true, y_pred, multioutput = _check_reg_targets(        y_true, y_pred, multioutput)

它将你的数据类型识别为 int32，并输出 np.array(…, dtype=np.int32)，然后溢出。

请注意，确保数据看起来像浮点数也能解决问题

>>> from sklearn.metrics import mean_squared_error>>> predictions = [96271.] # 注意这个点！>>> test = [35241.]>>> mean_squared_error(test, predictions)3724660900