学习笔记2:scikit-learn中使用r2_score评价回归模型

在sklearn中包含四种评价尺度,分别为mean_squared_error、mean_absolute_error、explained_variance_score 和 r2_score。

1、均方差(mean-squared-error)


2、平均绝对值误差(mean_absolute_error)


3.可释方差得分(explained_variance_score) 

explained variation measures the proportion to which a mathematical model accounts for the variation (dispersion) of a given data set


4.中值绝对误差(Median absolute error)


5.R2 决定系数(拟合优度)


模型越好:r2→1

模型越差:r2→0

用法示例

from sklearn.metrics import r2_score

y_true = [1,2,4]
y_pred = [1.3,2.5,3.7]
r2_score(y_true,y_pred)



  • 15
    点赞
  • 136
    收藏
    觉得还不错? 一键收藏
  • 14
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值