ターゲットがログに記録されているときにクロス検証を使用して、ログに記録されていない領域でのRMSE計算

Question

ターゲットがログに記録されているときにクロス検証によってRMSEを計算するのが難しくなります。

（対象が記録されていない場合）私は、以下の方法で、RMSE関数を定義している：

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) 

今、私がログに記録されたターゲットY_log_trainでY_trainを交換し、非ログイン空間でRMSEを計算します。私は、クロスバリデーションをしながらこれを行う方法がわかりません。私は1つのアルファ値のためのモデルを実行して、トレーニングデータのRMSEを取得する必要がある場合

、私は、下記の手順になります。

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

さて、あなたはあなたのログ値のRMSEを持っているだけでしまいます。ログ値の残差と観測値の残差が真値と観測値の残差の対数であるとは言えません。

変数をログに記録すると、RMSEは変換された変数のRMSEに過ぎません。

編集：私はログに記録され、非ログインターゲットにRMSEに基づくモデルのセットを比較する必要があれば、これはもう少し明確にするhttps://stats.stackexchange.com/questions/56658/how-do-you-interpret-rmsle-root-mean-squared-logarithmic-error