model - 回归验证中的 neg_mean_squared_error 和 mean_squared_error
问题描述
当我使用如下代码时,我完全感到困惑:
kfold = model_selection.KFold(n_splits=4, random_state=42, shuffle=True)
scoring1 = 'neg_mean_absolute_error'
scoring2 = 'r2'
scoring3 = 'neg_mean_squared_error'
results1 = model_selection.cross_val_score(lmodel, Xtrain, Ytrain, cv=kfold, scoring=scoring1)
results2 = model_selection.cross_val_score(lmodel, Xtrain, Ytrain, cv=kfold, scoring=scoring2)
results3 = model_selection.cross_val_score(lmodel, Xtrain, Ytrain, cv=kfold, scoring=scoring3)
print("MAE: %.10f (%.10f)" % (results1.mean(), results1.std()))
哪个值显示更好的性能?例如,当 score1 的数字分别为 -1.4 和 -2.5,model1 和 model2 和 model3 分别为 2.3 时,哪个模型在 score1 方面效果更好?
解决方案
推荐阅读
- python - 在 Python 类中初始化静态字段
- android - 如何将 Vulkan 与 Android Java Activity 交互
- r - 如何在闪亮应用程序的信息框中显示图像?
- gcc - \n 之后 printf 不打印字符串(编译器 GCC)
- vba - 根据文件名字符串用于多个文件附件的 Outlook VBA 宏
- laravel-nova - Laravel Nova:使用 Scout 绕过搜索
- python - Jupyter 无法启动,“ImportError: This package should not be accessible”
- c++ - 为什么我们在 C++ 中传递给函数时指定数组大小作为参数?
- julia - 学习 JuMP 的最佳资源是什么?
- service - 如何在 SFCC (Demandware) 中实现 serviceworker