來自 scikit-learn 的 TransformedTargetRegressor 的分數是否正確？

Question

我制作了一個簡短的Jupyter 筆記本來回答我關於 TransformedTargetRegressor 的問題。
我想在管道中放置一個變壓器來使用參數網格，但分數不匹配。

...
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值是正確的。 為什么不是來自score_1 ？
我對工作正常的預測沒有問題，只有分數。
我錯過了什么？
謝謝你=)

Answer 1

通常，在預測原始范圍或尺度中的實際值時，您應該對模型的表現（或得分）感興趣。 但是，這是您使用score_1而不是score_0測量的score_0 。

score_0表示當目標變量處於對數刻度時模型的性能，這在大多數情況下不是很有用。

然而， score_1使用TransformedTargetRegressor的score方法，該方法在計算任何性能指標之前確保目標變量處於其原始規模。 因此，應根據score_1進行判斷。