sklean中的metrics.mean_absolute_error为什么计算结果会有负值？

问题描述：
1、sklearn中在使用交叉验证cross_val_score()的时候，指定scoring='neg_mean_squared_error')，为什么结果是负的？
2、cross_val_score()中的‘neg_mean_squared_error’使用的是metrics.mean_absolute_error，参考mse的计算公式，都已经平方了为什么还会有负数？？

背景：
MSE的计算公式：

参考代码：

mse2 = cross_val_score(mlp,x3data,y3data,cv=10,scoring='neg_mean_squared_error')

out：
array([-0.36127485, -3.4022561 , -0.32707924, -2.51635586, -0.21051002,
       -0.17468807, -0.8782242 , -0.390895  , -0.11258663, -0.23556248])

返回的就是负值，neg或许就是负的意思吧。用途呢，emm，我猜测，是让score表示越大效果越好吧。

你可以自己建立一个线性方程看，你这个参数设置的返回就是负值， 不设置默认为None 才是均方误差

因为是绝对值，所以都是正的啊