Scikit-Learn RidgeCV评分选项不起作用

Question

我注意到RidgeCV的cv_values_始终处于同一度量中，无论scoring选项如何。这是一个示例：

from sklearn.linear_model import RidgeCV
from sklearn.datasets import load_boston
boston = load_boston()
mod = RidgeCV(store_cv_values = True, scoring = 'r2')
fit = mod.fit(boston.data, boston.target)
print(fit)
print(fit.cv_values_)
mod = RidgeCV(store_cv_values = True, scoring = 'neg_mean_squared_error')
fit = mod.fit(boston.data, boston.target)
print(fit)
print(fit.cv_values_)

输出为：

RidgeCV(alphas=(0.1, 1.0, 10.0), cv=None, fit_intercept=True, gcv_mode=None,
    normalize=False, scoring='r2', store_cv_values=True)
[[ 7.61705436  7.83092421  8.2298466 ]
 [ 2.50029583  2.31181064  2.11665248]
 [ 7.98280614  7.95286299  7.87166914]
 ..., 
 [ 5.24271689  5.50191347  5.84802692]
 [ 3.7448827   4.01778493  4.40457956]
 [ 0.0859419   0.37219929  0.89447484]]
RidgeCV(alphas=(0.1, 1.0, 10.0), cv=None, fit_intercept=True, gcv_mode=None,
    normalize=False, scoring='neg_mean_squared_error',
    store_cv_values=True)
[[ 7.61705436  7.83092421  8.2298466 ]
 [ 2.50029583  2.31181064  2.11665248]
 [ 7.98280614  7.95286299  7.87166914]
 ..., 
 [ 5.24271689  5.50191347  5.84802692]
 [ 3.7448827   4.01778493  4.40457956]
 [ 0.0859419   0.37219929  0.89447484]]

您可以看到，即使我指定了不同的scoring，cv_values_也是相同的。我本来可以预期cv_values_在第一种情况下会处于r2度量中。我想念明显的东西吗？我是Scikit-Learn的新手。这是Scikit-Learn 0.18.1在Python 3.5.2。

Answer 1

与ridgecv.cv_values_ docs相反，从ridgecv源代码中，看起来Scorer仅用于选择最佳的超参数（SET self.alpha_和self.dual_coef_属性）。

因此，应更改文档或源代码以使行为正确。在Scikit-Learn Bug Tracker中提出问题可能是个好主意。