在记录目标时使用交叉验证的未记录空间中的RMSE计算

Question

我是python的新手，并且遇到目标记录时通过交叉验证计算RMSE的困难。

我在下面的方式定义RMSE功能（当不记录目标）：

def rmse_cv(model): 
rmse= np.sqrt(-cross_val_score(model, X_train_s, Y_train, scoring="neg_mean_squared_error", cv = 5)) 
return(rmse) 

model_ridge = Ridge() 
alphas = [0.005, 0.05, 0.1, 0.3, 1, 3, 5, 10, 15] 
cv_ridge = [rmse_cv(Ridge(alpha = alpha)).mean() for alpha in alphas] 
print(cv_ridge) 

现在，我想替换记录的目标Y_log_train的Y_train并计算在未记录空间的RMSE。我不确定如何在交叉验证时执行此操作。

如果我要运行一个Alpha值模型，得到训练数据的RMSE，我会按照下面的步骤：

model_ridge = Ridge(alpha =10).fit(X_train_s, Y_log_train) 
y_pred_log_r = model_ridge.predict(X_train_s) 
y_pred_r = np.exp(y_pred_log_r) 

RMSE_ridge_train =np.sqrt(mean_squared_error(Y_train, y_pred_r)) 

Answer 1

那么，你只会有你的日志值的RMSE。你不能说对数值与观测值的残差是真值和观测值的残差的对数。

如果您记录变换您的变量，那么RMSE就是您的变换变量的RMSE。

编辑：发现这个澄清多一点https://stats.stackexchange.com/questions/56658/how-do-you-interpret-rmsle-root-mean-squared-logarithmic-error