Python sklearn&x27的cv值是多少；s RidgeCV得分时的平均值='；r2#u分数'；？

当评分设置为r2评分指标时，我试图理解Scikit Learn的RidgeCV的cv.values对象中存储的值

根据for Scikit Learn的RidgeCV函数，当store_cv_values=True时：

每个alpha的交叉验证值（仅当store_cv_values=True和cv=None时可用）。调用fit（）后，此属性将包含均方误差（默认情况下）或{loss，score}\u func函数的值（如果构造函数中提供）

---

虽然我不太清楚RidgeCV的原生广义交叉验证是如何工作的，但如果它确实是一个遗漏交叉验证的近似值，那么cv_值对象似乎代表的是单个（遗漏）样本的“r2_分数”。。。除了r2_分数不适用于单个样本。当评分设置为r2评分时，cv_值对象中会返回什么？

简而言之，这种广义交叉验证会对整个训练集进行遗漏预测，然后将评分函数应用于这些预测（而不是先评分然后平均）

---

您可以看到这一点，尽管它被IdentityRegressor/分类器弄糊涂了。这一行实际上只是通过输入

预测值和
y来查找分数。通过几行你可以看到他们在哪里生成预测：这就是他们使用的技巧，使广义交叉验证成为一种有效的方法，在岭回归的背景下，可以省去一个。如果您感兴趣，请链接到其中一些，并描述其实际工作的原因/方式。
更新：在经过一些有益的反复之后，这里的谜团似乎已部分解决，并指出了RidgeCV函数的sklearn文档中的一个错误。如果提供评分参数，则cv_values_对象将返回每个点的预测值。（如果未提供评分参数，则对象返回所述的每点平方误差。）

从：

本，谢谢你的回答。我认为你关于如何应用评分的观点正是我困惑的根源。当cv.values_u保留为默认值时，它返回每个观测值的均方误差，考虑到每个点实际上存在残余误差，这是有意义的。但r2_分数并非如此——你不可能得到每一分的r2_分数。然而cv.values对象的形状是（样本数，目标数），这意味着这些值不能代表r2分数。@ColinConwell啊，谢谢你强调这一点，我忽略了一段重要的代码。以上是正确的分数是如何产生的，因此如何选择“最佳”阿尔法。但是
cv\u values\u
会在几行之前设置好，之后不会更改；它被设置为预测，与评分函数无关。我用一个完全线性相关的数据集和非常小的alpha测试了这一点，似乎是这样，尽管内部预测似乎是基于数据的中心版本。这意味着文档是绝对错误的，应该打开github问题。如果你不愿意的话，我会的。事实上我自己也在源代码中看到了这一点（并在下面发布了一个答案和相关行的屏幕截图）。我不完全确定如何打开/表达这类github问题，所以请放心！现作为一个问题报告：