Python 线性回归（）：R2评分与交叉评分-奇怪的结果

我正在使用cross_val_score（）函数来计算拟合的

R2

系数。 这是我的密码：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
X = data.iloc[:,0:13]
y = data.iloc[:,13]
lin = LinearRegression()

MSE = cross_val_score(lin,X,y,scoring = 'neg_mean_squared_error',cv = 10)
MSE
array([  -9.28694671,  -14.15128316,  -14.07360615,  -35.20692433,
    -31.88511666,  -19.83587796,   -9.94726918, -168.37537954,
    -33.32974507,  -10.96041068])
MSE.mean()
-34.705255944525462

R2= cross_val_score(lin,X,y,cv = 10)
R2
array([ 0.73376082,  0.4730725 , -1.00631454,  0.64113984,  0.54766046,
    0.73640292,  0.37828386, -0.12922703, -0.76843243,  0.4189435 ])
R2.mean()
0.20252899006052702

我发现这些结果非常奇怪，尤其是

R2

结果：

• 0
• 我发现非常奇怪的是，均方结果和

  R2

  分数非常“分散”

我执行同样的回归任务，并使用“Rapidminer”计算分数，得到更“合理”的结果：

• 均方误差=24.218+/-10.413
• R2=0.848+/-0.066

注：我很精确地说，我在使用Python和Rapidminer进行拟合时得到了相同的系数

他们在学习中有错误吗？ 有人能解释一下Python的这些奇怪的评分结果吗

---

在这里，您可以找到指向我的培训数据集（.csv文件）的链接，以便复制我观察到的行为：

您是否在Rapidminer中进行交叉验证？它是否执行10倍cv？你能分享你的数据以便其他人可以复制这种行为吗？嗨，是的，我在Rapidminer中执行10倍的cv交叉验证。如何共享我的数据集（.csv文件）：我找不到如何附加文件……您可以找到指向我的培训数据集（.csv文件）的链接，以便复制我在更新的问题中观察到的行为。