Python GridSearchCV分数和误差函数之间的差异

当使用自定义错误函数时，GridSearchCV的最佳分数是什么意思

我正在用Scikit GridSearchCV做一个简单的实验

1） 训练简单的支持向量机：

from sklearn.svm import LinearSVR
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error

lin_svm_grid_params = dict(svm__C = [0.01])
lin_svm = Pipeline([("scaler", StandardScaler()), ("svm", LinearSVR(dual=False, loss='squared_epsilon_insensitive'))]) 
lin_svm_grid = GridSearchCV(lin_svm, lin_svm_grid_params, cv = 10, scoring='mean_squared_error', n_jobs = -1)
lin_svm_grid.fit(x, y)

2） 打印结果：

print lin_svm_grid.best_score_
print mean_squared_error(y, lin_svm_grid.best_estimator_.predict(x))
-610.141599985
236.578850489

---

所以主要的问题是：为什么值不同？我猜GridSearchCV分数是R^2分数，我可以让GridSearchCV返回错误函数值而不是R^2吗？

看看如何解释这个值以及为什么它是负值。不同的值很容易解释：网格搜索使用一些交叉验证，在您的例子中是10倍。分数是根据这些集合计算的。您的备选分数使用了其他集合（x/y；这不利于衡量泛化，因为您似乎是根据培训数据计算分数的）。谢谢您的回复。是的，现在很明显，分数值总是最大化的。我知道交叉val分数与整个训练数据的估计误差不同，我对不同的值有点困惑，现在我看到GridSearchCV确实使用了提供的度量，交叉验证问题解释了值的差异。我很乐意接受你正确的回答，谢谢！看看如何解释这个值以及为什么它是负值。不同的值很容易解释：网格搜索使用一些交叉验证，在您的例子中是10倍。分数是根据这些集合计算的。您的备选分数使用了其他集合（x/y；这不利于衡量泛化，因为您似乎是根据培训数据计算分数的）。谢谢您的回复。是的，现在很明显，分数值总是最大化的。我知道交叉val分数与整个训练数据的估计误差不同，我对不同的值有点困惑，现在我看到GridSearchCV确实使用了提供的度量，交叉验证问题解释了值的差异。我很乐意接受你正确的回答，谢谢！