带决策树回归模型的负交叉值得分

Question

我正在评估一个决策树回归预测模型与交叉价值评分法。问题是，分数似乎是负数，我真的不明白为什么。在

这是我的代码：

all_depths = []
all_mean_scores = []
for max_depth in range(1, 11):
    all_depths.append(max_depth)
    simple_tree = DecisionTreeRegressor(max_depth=max_depth)
    cv = KFold(n_splits=2, shuffle=True, random_state=13)
    scores = cross_val_score(simple_tree, df.loc[:,'system':'gwno'], df['gdp_growth'], cv=cv)
    mean_score = np.mean(scores)
    all_mean_scores.append(np.mean(scores))
    print("max_depth = ", max_depth, scores, mean_score, sem(scores))

结果是：

^{pr2}$

我的问题如下：

1）分数返回MSE对吗？如果是这样，怎么会是负的呢？在

2）我有大约40个观察值和大约70个变量的小样本。这可能是问题所在吗？在

提前谢谢。在

Answer 1

这是可能发生的。已经在这个post中回答了！在

实际的MSE只是你得到的数字的正数。在

统一计分API总是使分数最大化，因此需要最小化的分数被否定，以便统一计分API正确工作。因此，当返回的分数是应最小化的分数时，它将被否定；如果该分数应该最大化，则返回的分数为正。在