使用自定义错误函数时，GridSearchCV的best_score_是什么意思？
我正在使用 Scikit GridSearchCV 进行一个简单的实验。
1）训练简单的支持向量机：
from sklearn.svm import LinearSVR
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
lin_svm_grid_params = dict(svm__C = [0.01])
lin_svm = Pipeline([("scaler", StandardScaler()), ("svm", LinearSVR(dual=False, loss='squared_epsilon_insensitive'))])
lin_svm_grid = GridSearchCV(lin_svm, lin_svm_grid_params, cv = 10, scoring='mean_squared_error', n_jobs = -1)
lin_svm_grid.fit(x, y)
2) 打印结果：
print lin_svm_grid.best_score_
print mean_squared_error(y, lin_svm_grid.best_estimator_.predict(x))
-610.141599985
236.578850489
所以这是主要的麻烦：为什么值不同？我猜 GridSearchCV 分数是 R^2 分数，我可以让 GridSearchCV 返回错误函数值而不是 R^2 吗？