Что означает отрицательный cross_val_score ()?

Question

Я работаю над проблемой множественной линейной регрессии и оцениваю ее производительность с помощью R ^ 2, MAE и cross_val_score (). У меня есть feature_set размера (1565,334) и y1 размера (1565,1). Вот мой код:

mreg = LinearRegression()
mreg.fit(x_train,y_train)
mlr_y_predict = mreg.predict(x_test)

from sklearn.model_selection import cross_val_score
from sklearn import metrics

mae_mlr = metrics.mean_absolute_error(y_test, mlr_y_predict)
r2_mlr = metrics.r2_score(y_test,mlr_y_predict)
cvs = cross_val_score(mreg,feature_set,y1,cv=10)
print("Accuracy: %0.2f (+/- %0.2f)" % (cvs.mean(), cvs.std() * 2))

Результат:

R^2: 0.9965384981365643
MAE: 3.479652627390258
Accuracy: -71566695397566744.00 (+/- 352467332828473856.00)

Почему я получаю такое отрицательное значение для cross_val_score ()? Это значит, что модель не очень хорошая или как?

Answer 1

Унифицированный API скоринга также максимизирует производительность, тем самым сводя на нет оценки, которые необходимо минимизировать, чтобы единый API скоринга функционировал должным образом. Следовательно, возвращаемая оценка сводится на нет, когда это оценка, которую следует минимизировать, и оставлять положительной, если это оценка, которая должна быть максимизирована.