python - 为什么我的neg_mean_squared_error是AdaBoostRegressor的正数？

当使用sklearn的cross_val_score和scoring='neg_mean_squared_error'调整AdaBoostRegressor时，它将返回一个正数。我所有其他算法（线性回归，svr，randomforestregressor等）均返回负数。然后，我使用np.mean(np.sqrt(-cross_val_score))计算RMSE得分的平均值。

这是代码：

# AdaBoost Reg CV
start_time = time.time() # Timing

# Metrics
ada_reg_cv = AdaBoostRegressor(DecisionTreeRegressor(random_state=42),
                            n_estimators=200,
                            loss='linear', random_state=42)
ada_reg_cv_scores = cross_val_score(ada_reg_cv, X_train_trees, y_train,
                                    scoring='neg_mean_squared_error',
                                    cv=5)
ada_reg_cv_scores = np.sqrt(-ada_reg_cv_scores)

print('CV RMSE:', ada_reg_cv_scores.mean())
print('CV Std:', ada_reg_cv_scores.std())

# Timing
ada_reg_cv_time = (time.time() - start_time)
print('\nRunning Time: {}'.format(datetime.timedelta(seconds=ada_reg_cv_time)))

输出实际上是非常高的RMSE（太高而无法精确测量）。我分别运行这些行，发现第11行ada_reg_cv_scores = np.sqrt(-ada_reg_cv_scores)返回nan，因为它取负数的根。

然后，当我在sqrt中没有（-）符号运行它时，我得到了正确的RMSE。那么，“ neg_mean_squared_error”值为何为正？

最佳答案

一旦在AdaBoostRegressor（max_depth=5）中调整了DecisionTreeRegressor，neg_mean_squared_error就应返回负值。因此，我猜测该错误与决策树的不规则程度有关，因为树模型的错误很可能为0。

关于python - 为什么我的neg_mean_squared_error是AdaBoostRegressor的正数？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57232012/