machine-learning - MLPRegressor 给出非常负的分数

Question

我是机器学习的新手，我正在使用 MLPRegressor。我用

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

然后我制作并拟合模型，对测试集使用 10 倍验证。

nn = MLPRegressor(hidden_layer_sizes=(100, 100), activation='relu',
                     solver='lbfgs', max_iter=500)

nn.fit(X_train, y_train)

TrainScore = nn.score(X_train, y_train)

kfold = KFold(n_splits=10, shuffle=True, random_state=0)
        print("Cross-validation scores:\t{} ".format(cross_val_score(nn, X_test, y_test, cv=kfold)))
        av_corss_val_score = np.mean(cross_val_score(nn, X_test, y_test, cv=kfold))
        print("The average cross validation score is: {}".format(av_corss_val_score))

问题是我收到的测试分数非常负（-4256）。有什么可能是错的？

Answer 1

为了保持语法相同，sklearn 最大化每个指标，无论是分类准确度还是回归 MSE。因此，目标函数定义为正数越多越好，负数越多越好。因此，较小的负 MSE 是优选的。

继续说明为什么它在您的情况下可能如此消极，这可能主要是由于两件事：过度拟合或欠拟合。从现在开始，有大量资源可以帮助您。