一般而言,
当我使用sklearn metrics包时,在文档页面上说:
所有得分器对象都遵循高返回值优于低返回值的惯例。因此,像metrics.mean_squared_error这样测量模型与数据之间距离的指标可以作为neg_mean_squared_error使用,它返回指标的否定值。 http://scikit-learn.org/stable/modules/model_evaluation.html 并且
但是,如果我去这里:
它说它是
mean_squared_error
越小越好。当我使用sklearn metrics包时,在文档页面上说:
所有得分器对象都遵循高返回值优于低返回值的惯例。因此,像metrics.mean_squared_error这样测量模型与数据之间距离的指标可以作为neg_mean_squared_error使用,它返回指标的否定值。 http://scikit-learn.org/stable/modules/model_evaluation.html 并且
![enter image description here](https://istack.dev59.com/7XYb7.webp)
它说它是
均方误差回归损失
,没有说它是否被否定。
http://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html#sklearn.metrics.mean_squared_error
如果我查看源代码并检查其中的示例:https://github.com/scikit-learn/scikit-learn/blob/a24c8b46/sklearn/metrics/regression.py#L183,它正在执行正常的均方误差
,即越小越好。
所以我想知道我是否在文档中错过了否定部分。谢谢!