如何解决尽管归一化数据和预测大于-1
我正在尝试实现一个简单的Sklearn.linear_model.LinearRegression模型并通过MSLE评估其性能:
MSLE基于SLE =(log(预测+ 1)-log(实际+ 1))^ 2
我有大约15个功能,这些功能都是标准化的或标准化的,都是积极的。 但是,当我尝试对训练数据进行交叉验证时:
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
lin_reg = LinearRegression()
linreg_scores = cross_val_score(lin_reg,X_train,y_train,cv = 10,scoring = 'neg_mean_squared_log_error')
我收到以下错误:
ValueError:目标包含负值时,不能使用均方对数误差。
因此,我手工检查了sklearn.model_selection.KFold的手动交叉验证,以便打印出每折的预测值...
from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_log_error
from sklearn.base import clone
kf = KFold(n_splits=5,shuffle=True,random_state=5)
lin_reg = LinearRegression()
split_count = 0
for train_index,val_index in kf.split(X_train,y_train):
split_count += 1
clone_reg = clone(lin_reg)
X_tr = X_train.loc[train_index,:]
X_val = X_train.loc[val_index,:]
y_tr = y_train.loc[train_index]
y_val = y_train.loc[val_index]
clone_reg.fit(X_tr,y_tr)
pred = clone_reg.predict(X_val)
if any(pred<0):
print(split_count)
print(pred[pred<0])
问题是,我确实得到了负的预测值,但它们都在[-1,0]之间:
1
[-0.08642619]
3
[-0.2426673]
5
[-0.51744243]
因此,根据MSLE公式,(y_predict +1)应该为正,因此ln(y_predict +1)在数学上应该正确。
这里有什么我想念的吗?
非常感谢您的帮助,如果需要,我显然会提供其他信息!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。