Spark GBTRegressor 给出的 RMSE 与预测不匹配

如何解决Spark GBTRegressor 给出的 RMSE 与预测不匹配

这是我已经矢量化的训练和测试数据集对于 mllib 的样子：

训练：

测试：

两者都经过单独处理以避免数据泄漏（仅估算了缺失值）。当我尝试使用 Gradient Boosting 预测结果时，我得到了以下结果：

但是，评估器显示的结果与两个数据集的数据范围的预测中显示的错误范围不匹配。具体来说，我获得的 rmse 是 683.62。如果我更改评估器指标，例如更改为 mse，我也会得到一个与预测结果不匹配的值。

#Dependencies
from pyspark.ml.regression import GBTRegressor
from pyspark.ml.tuning import CrossValidator,ParamGridBuilder
from pyspark.ml.evaluation import RegressionEvaluator
#Model
gbt = GBTRegressor(labelCol="label")
paramGrid = (ParamGridBuilder()\
  .addGrid(gbt.maxDepth,[3,7])\
  .addGrid(gbt.maxIter,[10,20])\
  .build())
# Evaluation metric
evaluator = RegressionEvaluator(metricName="rmse",labelCol=gbt.getLabelCol(),predictionCol=gbt.getPredictionCol())
# CrossValidator
cv = CrossValidator(estimator=gbt,evaluator=evaluator,estimatorParamMaps=paramGrid,numFolds=3)
#Predictions
fitModel = cv.fit(train)
predictions = fitModel.transform(test)
rmse = evaluator.evaluate(predictions)
print(rmse)

有谁知道为什么评估器与显示的结果完全不匹配？