为什么在交叉验证时有负均绝对误差(neg_mean_absolute_error),却没有均绝对误差(mean_absolute_error)?

为什么使用负均绝对误差而不是直接使用均绝对误差?负均绝对误差相较于均绝对误差有什么意义?

from sklearn.model_selection import cross_val_score
cv_mae = -cross_val_score(lm, 
                          x_train, y_train, 
                          cv=10, 
                          scoring='neg_mean_absolute_error')
cv_mae

回答:

Sklearn的优化算法旨在最大化度量指标。因此,如果一个指标需要被最小化,在sklearn中它会带有负号。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注