为什么交叉验证时有neg_mean_absolute_error，但没有mean_absolute_error？

交叉验证是机器学习中常用的模型评估方法之一，它通过将数据集划分为训练集和验证集，多次重复训练和验证的过程来评估模型的性能。在交叉验证过程中，我们可以使用不同的评估指标来衡量模型的准确性和误差。

neg_mean_absolute_error（负平均绝对误差）是一种常用的回归模型评估指标，它衡量了预测值与真实值之间的平均绝对误差。它的计算方式为预测值与真实值之差的绝对值的平均值，取负值表示误差越小越好。在交叉验证中，我们通常使用负平均绝对误差作为评估指标，因为在模型评估中，我们希望指标值越小越好。

mean_absolute_error（平均绝对误差）是与neg_mean_absolute_error相对应的指标，它也衡量了预测值与真实值之间的平均绝对误差。但是在交叉验证中，通常使用负平均绝对误差作为评估指标，因为在模型评估中，我们希望指标值越小越好。

在腾讯云的机器学习平台中，可以使用腾讯云机器学习开发工具包（ML-Toolkit）来进行交叉验证和模型评估。该工具包提供了丰富的评估指标和功能，可以方便地进行模型性能评估和优化。具体的使用方法和示例可以参考腾讯云ML-Toolkit的官方文档：腾讯云ML-Toolkit官方文档。