线性回归指标看不出是好是坏,对应不同的东西数值不同,所以想比较不同类型的东西的回归算法预测好坏的时候需要换另一个指标映射到0到1之间:
意义:
分母为最基本的模型不考虑x,错误最大,分子我们自己模型考虑x后产生的错误,,1-我们的模型产生错误/基本模型产生错误,也就是我们的模型拟合住的点的准确率
取值范围:
相当于将我们模型与基准模型进行对比是怎样的,范围投射到0到1之间
代码实现
1- mse/np.var(y_test)
结果
sklearn中的衡量评估指标
from sklearn.metrics import mean_squared_error
from sklearn.metrics import mean_absolute_error
from sklearn.metrics import r2_score
mean_absolute_error(y_test,y_predict)
mean_squared_error(y_test,y_predict)
r2_score(y_test,y_predict)
运行结果相同