ться, что я правильно понял:

Если мы используемsklearn.metrics.log_loss автономный, то есть log_loss (y_true, y_pred), он генерирует положительный балл - чем меньше балл, тем выше производительность.

Тем не менее, если мы используем'Neg_log_loss' как схема подсчета очков, как в 'cross_val_score', оценка отрицательная - чем больше оценка, тем выше производительность.

И это связано с тем, что схема оценки построена так, чтобы соответствовать другим схемам оценки. Так как обычно чем выше, тем лучше, мы отрицаем обычноеlog_loss чтобы соответствовать тенденции. И это сделано исключительно для этой цели. Это понимание правильно?

[Справочная информация: получены положительные оценки для metric.log_loss и отрицательные оценки для neg_los_loss, и оба ссылаются на одну и ту же страницу документации.]