我正在从sklearn中拟合此模型。
LogisticRegressionCV(
solver="sag", scoring="neg_log_loss", verbose=0, n_jobs=-1, cv=10
)
拟合的结果是model.score(在训练集上(为0.67，并且发生了变化。由于没有办法(或者我不知道如何(访问作为模型拟合的一部分执行的交叉验证的结果，我在具有的同一模型上作为单独的交叉验证运行
cross_val_score(model, X, y, cv=10, scoring="neg_log_loss")
这返回一个负数数组
[-0.69517214 -0.69211235 -0.64173978 -0.66429986 -0.77126878 -0.65127196
-0.66302393 -0.65916281 -0.66893633 -0.67605681]
如果标志被翻转，这似乎在与训练分数兼容的范围内。我读过一期关于cross_val_score翻转给定评分函数的符号的讨论，解决方案似乎是引入了neg_*度量来使这种翻转变得不必要，而我使用的是neg_log_loss。该问题涉及mse，但这些论点似乎也适用于log_loss。有没有办法让cross_val_score返回与其参数中指定的度量相同的度量？或者这是一个我应该归档的bug？还是我有误解，cross_val_score仍有望改变符号？
我希望这对SO来说是一个足够具体的问题。Sklearn开发人员将用户重定向到SO，以解决那些不是明确的bug报告或功能需求的问题。
在注释中为每个请求添加最少的repo代码(sklearn v 0.19.1 python 2.7(：
from numpy.random import randn, seed
from sklearn.linear_model import LogisticRegressionCV
from sklearn.model_selection import cross_val_score
seed (0)
X = randn(100,2)
y = randn(100)>0
model = LogisticRegressionCV(
solver="sag", scoring="neg_log_loss", verbose=0, n_jobs=-1, cv=10
)
model.fit(X=X, y=y)
model.score(X,y)
cross_val_score(model, X, y, cv=10, scoring="neg_log_loss")
有了这个代码，它看起来就不再是度量的简单符号翻转了。得分的输出为0.59，交叉验证得分为array([-0.70578452, -0.68773683, -0.68627652, -0.69731349, -0.69198876, -0.70089103, -0.69476663, -0.68279466, -0.70066003, -0.68532253])。
注意：在与Vivek Kumar和piccolbo的富有成效的评论线程之后编辑
关于LinearRegression CVscore方法的奇异结果
您发现了一个错误，该错误已在0.20.0版本中修复。
来自变更日志：
Fix:修复了linear_model.LogisticRegressionCV中的一个错误，在该错误中，评分方法总是计算准确性，而不是评分参数给出的度量#10998，托马斯·范著。
此外，sklearn的0.19 LogisticRegressionCV文档中写道：
得分(X，y，sample_weight=无(
返回给定测试数据和标签的平均精度。
从版本0.20.0开始，使用错误修复程序更新文档：
得分(X，y，sample_weight=无(
使用给定测试数据和标签上的评分选项返回分数。
关于cross_val_score中返回的负值
cross_val_score翻转error或loss度量的结果值，同时保留score度量的符号。来自文件：
所有得分手对象都遵循一个约定，即返回值越高越好。因此，测量模型和数据之间距离的度量，如metrics.mean_squared_error，可用作返回度量的否定值的neg_mean_squared_error。