线性回归R^2的计算: SSreg/SStot vs 1-(SSSres/SStot)导致不同的结果
线性回归R^2的计算: SSreg/SStot vs 1-(SSSres/SStot)导致不同的结果
提问于 2021-07-13 20:46:37
我试图计算回归的R^2。查看这篇文章，可以通过SSreg/SStot或1-(SSSres/SStot)计算它。我当时的印象是，我最终会得到同样的数值，然而，我似乎有这样的情况:前者给我5%，而后者给我-1%。这是可能的吗?如果有，在什么情况下？
执行情况如下：
r2 = np.sum(df['fi']-df['yi'].mean()) ** 2) / np.sum(df['yi']-df['yi'].mean()) ** 2)
r2 = 1 - (np.sum((df['yi']-df['fi']) ** 2) / np.sum(df['yi']-df['yi'].mean()) ** 2))有什么问题吗？如果没有，有什么可以解释这些差异，甚至是负面的价值观？
编辑：
修正括号问题，问题仍然是一样的。下面的计算结果并不相同。
r2 = np.sum( (df['fi']-df['yi'].mean())**2 ) / \
np.sum( (df['yi']-df['yi'].mean())**2 )
r2 = 1 - np.sum( (df['yi']-df['fi'])**2 ) / \
np.sum( (df['yi']-df['yi'].mean())**2 )回答 1
Stack Overflow用户
发布于 2021-07-13 21:00:07
我想你有括号问题。你是在求和正方形的总和。平方应该在sum函数中，而不是在外部：
r2 = np.sum( (df['fi']-df['yi'].mean())**2 ) / \
np.sum( (df['yi']-df['yi'].mean())**2 )
r2 = 1 - np.sum( (df['yi']-df['fi'])**2 ) / \
np.sum( (df['yi']-df['yi'].mean())**2 )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/68369126
复制相关文章
相似问题
腾讯云开发者
