关于R2的几个小问题

参考链接：http://www.fairlynerdy.com/what-is-r-squared/

确定拟合性好的一个常用指标是 R 平方

确定拟合性好的一个常用指标是 可决系数，也就是R 平方。R2接近1，说明拟合效果好。

总误差SST的计算方式如下图所示。

回归误差SSR的计算方式如下图所示。

未解释离差的平方和，简称误差平方和，用SSE表示。SSE=

R2的计算公式为：

相对数
表示的是回归关系已经解释的y值变异在其总变异中所占的比率。

在大多数统计书中，您会看到 R 平方值始终在 0 到 1 之间，最佳值为 1.0。这只是部分事实。
但是R2的下限不是零，也可以得到负r平方值。

负R平方值是什么意思？

如果线性回归的结果比平均值还差，则计算的R2为负值（线性回归的结果太差了！）

奇怪的R2

为什么不可能计算非线性回归的有效 R 平方？

R 平方适合于线性模型的基本假设。如果不适合线性模型，则不应使用它。原因其实很容易理解。

对于线性模型，平方错误的总和总是以特定的方式相加：SS回归 + SS 错误 = SS 总计。

这似乎很合乎逻辑。回归模型所占的方差加上错误方差加起来等于总方差。此外，R 平方=SS 回归 / SS 总计，在数学上必须产生 0 到 100% 之间的值。

在非线性回归中，SS回归+SS错误不等于SS总！这完全使非线性模型的 R 平方失效，并且它不再必须在 0 到 100% 之间。
（参考：https://blog.minitab.com/en/adventures-in-statistics-2/why-is-there-no-r-squared-for-nonlinear-regression）

其他

https://stats.stackexchange.com/questions/7357/manually-calculated-r2-doesnt-match-up-with-randomforest-r2-for-testing

这篇回答中给了两个信息：

（1）线性回归的R方等于实际值与预测值的相关系数的平方

（2）randomForest is reporting variation explained as opposed to variance explained.