交叉验证得分为0

Question

我是新来的数据分析，所以请原谅，如果这是一个新手问题。我在同一个数据上运行一个PLS回归，其中X由序数变量组成，y是一个指示事件是否发生的二进制变量。我生成了一些交叉验证分数，得到以下结果：

X = threat.iloc[:,2:96]
y = threat.iloc[:,1]

pls1 = PLSRegression(n_components=10)
result = pls1.fit_transform(X, y)

scoresT = cross_val_score(pls1, X, y, cv=5)
print(scoresT)

[ 0.          0.          0.          0.55965802  0.        ]

我知道每个数字代表每个“折”的分数，但我期望得到一系列的数字，比如[0.2，0.4，0.6，0.7，0.3]，而不是[0，0，0，0.5，0]，所以我不确定这到底是在说什么关于我的数据或模型。在

有人有什么见解吗？在

Answer 1

如果未指定交叉值得分中的“评分”参数，则返回估计器的默认评分方法。对于plsreression（就像sklearn中的所有回归模型一样，score method

Returns the coefficient of determination R^2 of the prediction.

The coefficient R^2 is defined as (1 - u/v), where u is the residual sum of squares ((y_true - y_pred) ** 2).sum() and v is the total sum of squares ((y_true - y_true.mean()) ** 2).sum(). The best possible score is 1.0 and it can be negative (because the model can be arbitrarily worse). A constant model that always predicts the expected value of y, disregarding the input features, would get a R^2 score of 0.0.

你得到的结果并不比固定的模型交叉验证分数好，这可能是因为你在使用回归模型来解决分类问题。请尝试使用分类模型。在