本文介绍了机器学习中衡量回归模型自变量与因变量相关性的两个关键指标——皮尔逊相关系数和R平方值。皮尔逊相关系数衡量两者之间的相关程度，取值范围在[-1,1]，而R平方值反映了因变量变异能被模型解释的比例，数值越高，模型解释能力越强。同时，文章提到了R平方值的局限性和修正方法，以更准确地评估模型的拟合优度。"
133501348,18931317,位运算与逻辑运算在查找整数二进制中1的个数,"['位运算', '逻辑运算', 'Java', '数据结构', '链表', 'FDTD', '面试经验', '求职经验']
机器学习中关于回归模型有时候需要衡量自变量和因变量之间的相关度，接下来介绍两个衡量相关度的指标：
它是用来衡量两个变量之间的相关度的；
取值：[-1,1]
该值>0 表示两个变量之间是正相关的，值为0表示两个变量之间无相关性，值<0表示两个变量之间是负相关的；
皮尔逊相关系数的计算公式可以表示为：
也称为决定系数，反映因变量的全部变异能通过回归关系被自变量解释的比例
该值越高说明模型越好
比如 R平方值为0.8，表示在所有因变量（也就是y）的变化中，其中80%可以由该回归模型解释，也就是该回归模型可以解释因变量80%的变异，也就是说，如果我们控制自变量不变，那么因变量的变化程度可以减少80%
对于简单线性回归，R平方就是上面皮尔逊相关系数r的平方值
对于多元线性回归：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
