scikit-learn 中的负平均绝对误差是多少？

Posted 2023-02-23

【中文标题】scikit-learn 中的负平均绝对误差是多少？

【英文标题】：What is the negative mean absolute error in scikit-learn?

【发布时间】：2019-09-11 03:47:05

【问题描述】：

我正在尝试使用 SciKit Learn 的 SVM 模块来训练模型。对于评分，我找不到mean_absolute_error(MAE)，但是，negative_mean_absolute_error(NMAE) 确实存在。这两个指标有什么区别？假设我得到了 2 个模型的以下结果：

model 1 (NMAE = -2.6), model 2(NMAE = -3.0)

哪种型号更好？是模型 1 吗？

此外，负面与正面相比如何？说出以下内容：

model 1 (NMAE = -1.7), model 2(MAE = 1.4)

这里，哪个模型更好？

【参考方案1】：

顾名思义，负 MAE 就是 MAE 的负数，根据定义，它 (MAE) 是一个正数。由于 MAE 是一个错误指标，即越低越好，负 MAE 则相反：-2.6 的值优于-3.0 的值。

只需删除负号并将它们视为 MAE 值（可以说这也回答了您的第二个问题）。

请记住，MAE 在 scikit-learn 中始终可以作为通用指标 (docs)。

【参考方案2】：

我想在这里补充一点，当您通过 GridSearchCV() 比较多个算法时，这个负错误也有助于找到最佳算法。

这是因为在训练之后，GridSearchCV() 会对所有算法（估计器）进行排名，并告诉您哪一个是最好的。现在，当您使用错误函数时，sklearn 将得分较高的估计器排名较高，这在 MAE 的情况下是不正确的（以及 MSE 和其他一些）。

为了解决这个问题，库翻转错误符号，因此最高 MAE 将排名最低，反之亦然。

所以回答你的问题：-2.6 比 -3.0 好，因为实际 MAE 分别是 2.6 和 3.0。