角膜调谐器的SklearnTuner评分标准不清

Question

在keras-tuner的SklearnTuner文档中，可以找到：

注意，对于这个调谐器，甲骨文的目标应该总是设置为目标(‘得分’，方向=‘max’)。

在设置参数"scoring=metrics.make_scorer(metrics.mean_squared_error)“(根据Sklearn的文档等效于"neg_mean_squared_error”)时，keras在每次试验后都会打印“到目前为止的最佳分数”。对于这些值，我希望找到唯一的负值(为了最大化评分函数)。然而，我最终得到的只是积极的分数。我对这背后的逻辑很好奇？

我的keras-tuner Tuner类当前如下所示：

    tuner = kt.tuners.SklearnTuner(
        oracle=kt.oracles.BayesianOptimizationOracle(
            objective=kt.Objective('score', 'max'),
        hypermodel=self.build_model,
        scoring=metrics.make_scorer(metrics.mean_squared_error),
        cv=KFold(5),)

Answer 1

我的调谐器调音了一个Sklearn "LinearSVR“模型，它的默认评分是r2。当这个评分衡量模型是否合适时，人们想要最大限度地利用这个价值。在上面的调谐器中，我将评分定制为均方误差，这是一个希望最小化的函数。尽管https://scikit-learn.org/stable/modules/model_evaluation.html中的表可能看起来很混乱(至少在我看来是这样)，但"neg_mean_squared_error“评分是而不是，它与metrics.mean_squared_error scoring函数默认的功能相当。我认为，"neg_mean_squared_error“只是利用了这个函数。keras-tuner文档行：

注意，对于这个调谐器，甲骨文的目标应该总是设置为目标(‘得分’，方向=‘max’)。

声明总是设置为"max“，这是不对的。