我目前正在用 Python 实现 scikit-learn 的RandomForestRegressor，并且正在为为什么我偶尔会得到负的袋外分数而摸不着头脑。据我所知，从属性“_oob_score”（“使用袋外估计获得的训练数据集的分数”）的给定描述以及我迄今为止阅读的所有内容中，袋外评分应该是正值。

额外信息：

• 我得到的所有分数，无论是正面的还是负面的，都非常小（< 0.001；很多都是 < 0.0001）。我也不确定这是否正常，但总的来说反应也很小。

• 我正在使用 500 棵树，并使用不同的 min_samples_leaf 和 max_features。当 min_samples_leaf 超过 ~500 时，我似乎得到了负值。

• 大约有一百个布尔列被创建来处理分类数据（因此相当稀疏）。相比之下，还有大约 10 个其他数字列。Null 值已用一个大的负数作为数字占位符填充。

• 我的数据大小约为 1,000,000 行，其中 65% 用于训练数据，其余用于测试。

• （我可以提供任何其他信息来提供帮助吗？）

是否有随机森林的袋外得分的统计解释/定义，人们预计负得分是可能的，或者这更有可能是程序的怪癖？