Python sklearn线性回归的r2_score混淆
Python sklearn线性回归的r2_score混淆
提问于 2021-04-25 13:25:03
如果这是一个微不足道的问题，很抱歉。使用sklearn库，可以计算以下列表的决定系数r平方：
y_true = [200,280,320,346.47]
y_pred = [228.6,307.8,414.4,376.5]
print(r_score(y_true,y_pred))输出: 0.07
Microsoft Excel在使用线性回归工具时对R平方进行了不同的定义: R²的返回值约为0.86
在sklearn或其他地方有没有什么资源可以让我使用Excel对R²的定义？提前谢谢。
回答 1
Stack Overflow用户
发布于 2021-04-25 22:02:53
From wiki R2是因变量中可从自变量预测的方差的比例。
如果您的y_pred确实是预测值，那么我们可以根据这个公式进行计算：
import numpy as np
ss_total = np.var(np.array(y_true))*len(y_true)
ss_res = ((np.array(y_pred) - np.array(y_true))**2).sum()
print(1 - ss_res/ss_total)
0.06853942803971502这正是sklearn返回的内容：
from sklearn.metrics import r2_score
print(r2_score(y_true,y_pred))
0.06853942803971502当你把它放到excel中时，你是在回归你的预测值和你的真实值，然后提供的r2当然是非常高的，但却是错误的。
下面我计算你的预测值和真实值之间的相关系数，取给我们r^2的平方，我得到和你一样的值：
from scipy import stats
slope, intercept, r, p, se = stats.linregress(y_pred, y_true)
r2 = r**2
print(r2)
0.8602435256742592页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67250072
复制相关文章
相似问题
腾讯云开发者
