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

Question

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来玩参数网格，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。为什么来自 score_1 的不是？
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=)

Answer 1

通常，您应该对模型在预测其原始范围或比例中的实际值时的表现（或得分）有多好感兴趣。然而，这是您用 score_1 和 测量的，而不是 score_0.

score_0表示模型在目标变量为对数尺度时的表现，这在大多数情况下不是很有用。

然而，

score_1 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比例。因此，应该根据score_1.

进行判断

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

Is the score from TransformedTargetRegressor of scikit-learn correct?

python

machine-learning

transformer

scikit-learn