负cross_val_score()是什么意思？

Question

我正在研究一个多元线性回归问题，我正在用R^2，MAE和cross_val_score()来评估它的性能。我有一个大小为(1565,334)的feature_set和大小为(1565，1)的y1。下面是我的代码：

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))

结果：

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

为什么我会得到cross_val_score()的负值？这是不是意味着模型不好还是别的什么？

Answer 1

统一评分API还最大化了性能，从而否定了为使统一评分API正常工作而需要最小化的分数。因此，当它是一个应该最小化的分数时，返回的分数将被否定；如果它是一个应该最大化的分数，则返回的分数将保留为正。