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

Question

我制作了一个简短的Jupyter 笔记本来回答我关于 TransformedTargetRegressor 的问题。
我想在管道中放置一个变压器来使用参数网格，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。 为什么不是来自score_1 ？
我对工作正常的预测没有问题，只有分数。
我错过了什么？
谢谢你=)

Answer 1

通常，在预测原始范围或尺度中的实际值时，您应该对模型的表现（或得分）感兴趣。 但是，这是您使用score_1而不是score_0测量的score_0 。

score_0表示当目标变量处于对数刻度时模型的性能，这在大多数情况下不是很有用。

然而， score_1使用TransformedTargetRegressor的score方法，该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。