others - scikit learn - sklearn metrics.log_loss 评分为正 vs 'neg_log_loss'为负

如果单独使用sklearn.metrics.log_loss,即log_loss(y_true,y_pred),它将生成一个正值-分数越小,性能越好。

但是,如果使用“ neg_log_loss”作为“ cross_val_score”中的评分方案,则分数为负-分数越大,性能越好。

时间:

sklearn.metrics.log_loss通常是定义的错误度量的实现(大多数错误度量都是正数)。在这种情况下,它通常是最小化的指标((例如,用于回归的均方误差),而不是将准确性之类的指标最大化。

“ neg_log_loss ”是一种创建实用程序值的技术,它可以优化sklearn的函数和类以最大化该实用程序,而不必更改每个度量的函数行为(例如,cross_val_score的行为,GridSearchCV,RandomizedSearchCV等)。

...