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。对于评分，我找不到mean_absolute_error（MAE），但是negative_mean_absolute_error（NMAE）确实存在。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)

哪种型号更好？是模型1吗？

此外，负数与正数相比如何？说以下内容：

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

在这里，哪种型号更好？

Answer 1

我想在这里补充一点，当您通过 GridSearchCV() 比较多个算法时，这个负误差也有助于找到最佳算法。

这是因为训练后，GridSearchCV() 对所有算法（估计器）进行排名，并告诉您哪一个是最好的。现在，当您使用误差函数时，分数较高的估计器将被 sklearn 排名较高，但对于 MAE（以及 MSE 和其他一些）来说，情况并非如此。

为了解决这个问题，库翻转了错误符号，因此最高的 MAE 将排名最低，反之亦然。

所以回答你的问题：-2.6 比 -3.0 更好，因为实际的 MAE 分别是 2.6 和 3.0。

Answer 2

顾名思义，负MAE就是MAE的负数，根据定义，MAE（MAE）是正数。而且由于MAE是一个误差度量，即，MAE 越低越好，相反，MAE则相反：的值-2.6比的值好-3.0。

只需删除负号并将它们视为MAE值（可以说它还回答了您的第二个问题）。

请记住，MAE始终在scikit-learn中作为常规指标（docs）提供。