Какова отрицательная средняя абсолютная ошибка в SVM-библиотеке SKLearn?

Question

Я пытаюсь обучить модель, используя SVM-модуль SciKit Learn. Что касается оценки, я не смог найти mean_absolute_error (MAE), однако negative_mean_absolute_error (NMAE) существует. В чем разница между этими двумя показателями? Допустим, я получаю следующие результаты для 2 моделей:

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

Какая модель лучше? Это модель 1?

Кроме того, как отрицательный по сравнению с положительным? Скажите следующее:

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

Вот какая модель лучше?

Answer 1

Как следует из названия, отрицательное значение MAE является просто отрицательным значением MAE, которое (MAE) по определению является положительным значением.А поскольку MAE является метрикой error , т. Е. чем ниже, тем лучше , отрицательный MAE противоположен: значение -2.6 лучше значения -3.0.

Просто удалите отрицательные знаки и рассматривайте их как значения MAE (что, вероятно, также отвечает на ваш второй вопрос).

Имейте в виду, что MAE всегда доступен в scikit-learn как общая метрика ( документы ).

Answer 2

Я хотел бы добавить, что эта отрицательная ошибка также полезна при поиске наилучшего алгоритма при сравнении нескольких алгоритмов с помощью GridSearchCV ().

Это потому, что после обучения GridSearchCV () занимает всеалгоритмы (оценки) и говорит вам, какой из них является лучшим.Теперь, когда вы используете функцию ошибки, оценщик с более высоким баллом будет ранжироваться выше по sklearn, что неверно в случае MAE (наряду с MSE и некоторыми другими). ​​

Чтобы справиться с этим,библиотека переворачивает знак ошибки, поэтому самое высокое значение MAE будет оцениваться как самое низкое и наоборот.

Итак, чтобы ответить на ваш вопрос: -2,6 лучше, чем -3,0, поскольку фактическое значение MAE составляет 2,6 и 3,0 соответственно.