机器学习 r2_score 作用

参考文档

https://www.cnblogs.com/xiaohua92/p/5541080.html

前言：

      我们训练完模型后,对于连续型随机变量，我们会用

      

    来评判模型训练的效果。这种有个缺点，比如

某轮随机抽样的样本方差特别小，训练出来的loss也可能特别小。

但是这种基本没什么实用价值。

目录：

   一  r2_score  原理

   二  code 实现

---

一  r2_sore 原理

      

       

       

                 样本的方差*样本个数（这个在每轮训练的时候,是确定的）

       可以看到当v越小的时候，同样的u,score 越小。

二  code 实现

  

# -*- coding: utf-8 -*-
"""
Created on Thu Jul  8 14:32:40 2021

@author: chengxf2
"""
import numpy as np
import sklearn 
from sklearn.metrics import mean_squared_error , r2_score


'''
u: 实际值和预测值差异平方和
v: 样本方差*m[固定值]
'''
def Score():
    #内部实现
    y_true =np.array([4,4,4,5])
    y_pred =np.array([4,4,8,5])
    
    diff = np.power(y_true-y_pred,2)
    u = np.sum(diff)
    
   
    
    m = len(y_true)
    v = np.var(y_true)*m
   
    me_score = 1-u/v

    #直接调用API 实现   
    api_score = r2_score(y_true, y_pred)
    
    
    
    print("\t 调用API结果",api_score,"\t 自己实现结果",me_score)
    
Score()