scikit-learn 的 TransformedTargetRegressor 的分数是否正确？答案

【问题标题】：Is the score from TransformedTargetRegressor of scikit-learn correct?scikit-learn 的 TransformedTargetRegressor 的分数是否正确？
【发布时间】：2021-09-14 16:49:28
【问题描述】：

我做了一个简短的Jupyter notebook 来回答我关于 TransformedTargetRegressor 的问题。
我想在管道中放置一个转换器以使用参数网格，但分数不匹配。

...
model = linear_model.LinearRegression()
lg_tr = preprocessing.FunctionTransformer(func=np.log, inverse_func=np.exp, check_inverse=True)
y_log = lg_tr.transform(y)
score_0 = model.fit(X, y_log).score(X, y_log)

...
model = compose.TransformedTargetRegressor(func=np.log, inverse_func=np.exp, check_inverse=True,
    regressor=linear_model.LinearRegression())
score_1 = model.fit(X, y).score(X, y)

score_0 值是正确的。为什么score_1的不是呢？
我对运行良好的预测没有问题，只有分数。
我错过了什么吗？
谢谢=)

【问题讨论】：

我认为得分 1 是计算实际目标值范围内性能的正确方法

标签： python machine-learning scikit-learn transformer

【解决方案1】：

通常，您应该对模型在预测其原始范围或规模的实际值时的表现（或得分）感兴趣。然而，这是您使用 score_1 测量的值，不是使用 score_0。

score_0 代表模型在目标变量为对数尺度时的性能，这在大多数情况下不是很有用。

score_1 但是使用TransformedTargetRegressor 的score 方法，在计算任何性能指标之前确保目标变量处于其原始规模。因此，应根据score_1进行判断。

【讨论】：

谢谢，这很有道理。我太专注于拟合数据而忘记了含义......祝你有美好的一天=）