machine-learning - Scikit-learn 中的 R-Squared 和 explain_variance_score 有什么区别?
问题描述
在sklearn.metrics包中, r2_score和explain_variance_score有什么区别?我不明白文档中的解释
解决方案
你可能想看看这个关于统计 SE 的帖子:
正如它所说的那样,不同之处在于解释的方差使用有偏的方差来确定解释了方差的哪一部分。R-Squared 使用原始平方和。如果预测器的误差是无偏的,则两个分数相同。
解释方差的相关计算:
https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L458
对于 r2_score
https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L591
推荐阅读
- d3.js - 缺少 D3js 第一个刻度标签
- reactjs - 反应组件目录的命名约定
- c# - 在我的屏幕顶部打开时的 C# Chrome 驱动程序
- c - CMake - 始终构建特定文件
- log4j2 - 启用 SSL 的 log4j2 Socket Appender
- xamarin - Xamarin 窗体 DisplayActionSheet 外部触摸错误
- html - 如果不满足条件,有没有办法删除 HTML 中的链接?
- javascript - 如何使用由 Crypto 库加密的 CryptoJS 解密数据?
- delphi - 运算符不适用于此操作数类型 Delphi
- r - 多个 valueBoxes 的 SelectInput