Machine learning MLPrepressor给出非常负的分数

我是机器学习的新手，我正在使用MLPREGESSOR。我使用

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倍的验证

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))

---

问题是我收到的考试分数是非常负的（-4256）。什么可能是错误的？

为了保持语法不变，sklearn最大化了每个度量，无论是分类精度还是回归MSE。因此，目标函数的定义方式是，正数越多越好，负数越多越好。因此，优选较小负MSE

---

至于为什么在你的情况下它会如此消极，大体上有两个原因：过度拟合或不拟合

嗯，我想这类问题以前问过