SKLearn的SVM库中的负平均绝对误差是多少？

Question

我正在尝试使用SciKit Learn的SVM模块训练模型。对于计分，我找不到mean_absolute_error（MAE），但是确实存在negative_mean_absolute_error（NMAE）。这两个指标之间有什么区别？可以说，对于2个模型，我得到以下结果：

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

哪种模式更好？是1型吗？

此外，负数与正数相比如何？说以下话：

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

这里，哪种型号更好？

Answer 1

顾名思义，负MAE只是MAE的负数，根据定义，MAE（MAE）是正数。而且由于MAE是一个 error 度量标准，即越低，负MAE则相反：1的值比{{ 1}}。

只需删除负号并将其视为MAE值（可以说它还会回答您的第二个问题）。

请记住，MAE始终在scikit-learn中作为通用指标（https://github.com/fnbk/world）提供。

Answer 2

我想在这里补充一点，当您通过GridSearchCV（）比较多种算法时，此负错误也有助于找到最佳算法。

这是因为经过训练后，GridSearchCV（）对所有算法（估计器）进行排名，并告诉您哪种算法最好。现在，当您使用误差函数时，sklearn将为得分较高的估计器排名较高，而对于MAE（以及MSE和其他一些情况），情况并非如此。

为解决这个问题，库会翻转错误的迹象，因此，最高的MAE排名最低，反之亦然。

因此回答您的问题：-2.6优于-3.0，因为实际的MAE分别为2.6和3.0。