自动建模推理机的可决系数模块

参考资料

import numpy as np
def R_Square(train_X,test_x,train_Y,test_y,functin=None):
    y,p_y = XGBRegressor_model(train_X,test_x,train_Y,test_y)
    n = test_y.size 
    one_vector = np.ones(n)
    """$$ \bar{y}=\frac{1}{n} \sum_{i=1}^{n} y_{i} $$"""
    y_ = (1/n)*y.dot(one_vector)
    ei = y-p_y
    SStot = ((y-y_)**2).dot(one_vector)
    SSreg = ((p_y - y_)**2).dot(one_vector)
    SSres = ((y-p_y)**2).dot(one_vector)
    R_2 = 1-SSres/SStot
    title = {"观测数据均值":y_,"残差":ei,"总平方和":SStot,"回归平方和":SSreg,"残差平方和":SSres,"可决系数":R_2}
    return title
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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