Python 統計 Cofficient, MAE,MSEについて

Question

前提・実現したいこと

pythonで重回帰分析をしています。
スケールが異なる従属変数ですが、正規化せず重回帰分析を行い、
coffieientがeが付くほど大きくなりました。

このような値でｍ、いいのでしょうか？

発生している問題・エラーメッセージ

Features cofficient
FeatureA -6.616971e-04
FeatureB -6.175574e-03
FeatureC -1.618145e-03
・
・
・

MSE= 0.00233481468683
MAE= 2372.86

該当のソースコード

python3.6

clf = linear_model.LinearRegression()
clf.fit(X_ALL,y_DSOC)

coef_df = pd.DataFrame(Features,columns=['Features'])
coef_df['cofficient']=pd.Series(clf.coef_)

y_pred=clf.predict(X_ALL)
mse=mean_squared_error(y_DSOC,y_pred)
mae=np.sum(np.abs(y_DSOC,y_pred))
print('MSE=',mse)
print('MAE=',mae)

試したこと

正規化して計算してみたところ、cofficientは小さくなったものの、
MSE,MAEがあり得ない値になり、うまくいきません。
（外れ値除去など試したのですが…）

X_ALL=preprocessing.scale(ev_select04_df.iloc[:,1:24])
y_DSOC=preprocessing.scale(ev_select04_df.iloc[:,0])

Features　cofficient
FeatureA -0.331156
FeatureB -0.541651
FeatureC -0.022987

MSE= 0.456087360862
MAE= 30240.083222

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Answer 1

前処理を繰り返し何とかまともな計算結果が出るようになりました。
ありがとうございます。

from sklearn.metrics import mean_absolute_error
mae=mean_absolute_error(y_DSOC, y_pred)

MAEは、ご指摘ありがとうございます、一部抜けていたようでしたので、これを参考になおしました。

Answer 2

FeatureA -6.616971e-04
FeatureB -6.175574e-03
FeatureC -1.618145e-03

符号がマイナスなので、とても小さいことを表します（10^-3くらい）。

また、np.absの使い方がおかしいのではないでしょうか。第二引数は出力用配列として解釈されます。

https://docs.scipy.org/doc/numpy/reference/generated/numpy.absolute.html

mae=np.sum(np.abs(y_DSOC-y_pred))

のように、引き算した結果を与える必要があると思います。