Почему cross_val_score в sklearn переворачивает значение метрики?

Я примеряю эту модель от sklearn.

LogisticRegressionCV(
        solver="sag", scoring="neg_log_loss", verbose=0, n_jobs=-1, cv=10
    )

Подгонка приводит к model.score (на тренировочном наборе) 0,67 и изменению. Поскольку нет способа (или я не знаю, как) получить доступ к результатам перекрестной проверки, выполненной как часть подбора модели, я запускаю отдельную перекрестную проверку на той же модели с помощью

cross_val_score(model, X, y, cv=10, scoring="neg_log_loss")

Это возвращает массив отрицательных чисел

[-0.69517214 -0.69211235 -0.64173978 -0.66429986 -0.77126878 -0.65127196
 -0.66302393 -0.65916281 -0.66893633 -0.67605681]

который, если бы знаки были перевернуты, оказался бы в диапазоне, совместимом с тренировочной оценкой. Я читал обсуждение в вопросе о том, что cross_val_score переворачивает знак данной функции подсчета очков, и решение казалось, что метрики neg_* были введены, чтобы сделать такое переключение ненужным, и я использую neg_log_loss. В выпуске говорится о mse, но аргументы, похоже, применимы и к log_loss. Есть ли способ заставить cross_val_score возвращать ту же метрику, что и указанная в ее аргументах? Или это ошибка, которую я должен зарегистрировать? Или это недоразумение с моей стороны и от cross_val_score все же стоит ожидать смены знака?

Я надеюсь, что это достаточно конкретный вопрос для SO. Sklearn разработчики перенаправляют пользователей на SO по вопросам, которые не являются четкими отчетами об ошибках или требованиями к функциям.

Добавление минимального кода воспроизведения для каждого запроса в комментариях (sklearn v 0.19.1 python 2.7):

from numpy.random import randn, seed
from sklearn.linear_model import LogisticRegressionCV
from sklearn.model_selection import cross_val_score

seed (0)
X = randn(100,2)
y = randn(100)>0
model = LogisticRegressionCV(
    solver="sag", scoring="neg_log_loss", verbose=0, n_jobs=-1, cv=10
)
model.fit(X=X, y=y)
model.score(X,y)

cross_val_score(model, X, y, cv=10, scoring="neg_log_loss")

С этим кодом это больше не похоже на простое изменение знака для метрики. Выходные данные: 0,59 для оценки и array([-0.70578452, -0.68773683, -0.68627652, -0.69731349, -0.69198876, -0.70089103, -0.69476663, -0.68279466, -0.70066003, -0.68532253]) для оценки перекрестной проверки.