我的 R 平方分数为负，但使用 k 倍交叉验证的准确度分数约为 92%

对于下面的代码，我的 r 平方分数为负，但使用 k 折交叉验证的准确度分数为 92%。这怎么可能？我使用随机森林回归算法来预测一些数据。数据集的链接在下面的链接中给出：https://www.kaggle.com/ludobenistant/hr-analytics https://www.kaggle.com/ludobenistant/hr-analytics

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

dataset = pd.read_csv("HR_comma_sep.csv")
x = dataset.iloc[:,:-1].values   ##Independent variable
y = dataset.iloc[:,9].values     ##Dependent variable

##Encoding the categorical variables

le_x1 = LabelEncoder()
x[:,7] = le_x1.fit_transform(x[:,7])
le_x2 = LabelEncoder()
x[:,8] = le_x1.fit_transform(x[:,8])
ohe = OneHotEncoder(categorical_features = [7,8])
x = ohe.fit_transform(x).toarray()


##splitting the dataset in training and testing data

from sklearn.cross_validation import train_test_split
y = pd.factorize(dataset['left'].values)[0].reshape(-1, 1)
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2, random_state = 0)

from sklearn.preprocessing import StandardScaler
sc_x = StandardScaler()
x_train = sc_x.fit_transform(x_train)
x_test = sc_x.transform(x_test)
sc_y = StandardScaler()
y_train = sc_y.fit_transform(y_train)

from sklearn.ensemble import RandomForestRegressor
regressor = RandomForestRegressor(n_estimators = 10, random_state = 0)
regressor.fit(x_train, y_train)

y_pred = regressor.predict(x_test)
print(y_pred)
from sklearn.metrics import r2_score
r2_score(y_test , y_pred)

from sklearn.model_selection import cross_val_score
accuracies = cross_val_score(estimator = regressor, X = x_train, y = y_train, cv = 10)
accuracies.mean()
accuracies.std()

你的问题有几个问题...

首先，你犯了一个非常基本的错误：你think当您处于回归设置时，您使用准确性作为指标，并且下面使用的实际指标是均方误差 https://en.wikipedia.org/wiki/Mean_squared_error (MSE).

准确度是一个衡量标准分类，它与正确分类示例的百分比有关 - 检查维基百科 https://en.wikipedia.org/wiki/Precision_and_recall条目了解更多详细信息。

您选择的回归器（随机森林）内部使用的度量包含在您的详细输出中regressor.fit(x_train, y_train)命令 - 注意criterion='mse'争论：

RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=None,
           max_features='auto', max_leaf_nodes=None,
           min_impurity_split=1e-07, min_samples_leaf=1,
           min_samples_split=2, min_weight_fraction_leaf=0.0,
           n_estimators=10, n_jobs=1, oob_score=False, random_state=0,
           verbose=0, warm_start=False)

MSE 是一个正连续量，并且它的上限不为 1，即，如果您得到的值为 0.92，这意味着......好吧，0.92，并且not 92%.

知道这一点后，明确将 MSE 作为交叉验证的评分函数是一个很好的做法：

cv_mse = cross_val_score(estimator = regressor, X = x_train, y = y_train, cv = 10, scoring='neg_mean_squared_error')
cv_mse.mean()
# -2.433430574463703e-28

出于所有实际目的，这是零 - 您适合training设置几乎完美；为了确认，这里是（再次完美）您的 R 平方分数training set:

train_pred = regressor.predict(x_train)
r2_score(y_train , train_pred)
# 1.0

但是，一如既往，当您将模型应用到实际应用中时，关键时刻就会到来。test放;你的second这里的错误是，因为你用scaled训练你的回归器y_train，你还应该缩放y_test评估前：

y_test = sc_y.transform(y_test)
r2_score(y_test , y_pred)
# 0.9998476914664215

你会得到一个非常好的 R 平方test设置（接近 1）。

那么MSE呢？

from sklearn.metrics import mean_squared_error
mse_test = mean_squared_error(y_test, y_pred)
mse_test
# 0.00015230853357849051