Python机器学习：线型回归法06最好的衡量线型回归法的指标RSquared

最新推荐文章于 2024-04-22 09:46:50 发布
最新推荐文章于 2024-04-22 09:46:50 发布
阅读量507 收藏 1
点赞数
分类专栏： Python机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46815330/article/details/110489498
版权

代码实现首先使用sklearn.metrics中的r2.score
依然使用波士顿房价数据集

#使用sklearn
from sklearn.metrics import r2_score
r2_score(y_test,y_predict)

0.6129316803937324

使用我们自己封装在metric中的r2_score

from Simple_linear_Regression.metrics import r2_score
score = r2_score(y_test,y_predict)
print(score)

封装在SimplelinearRegressin中的score方法

    def score(self,x_test,y_test):
        """根据测试数据集x_test和y_test 确定当前模型的准确度"""
        y_predict = self.predict(x_test)
        return r2_score(x_test,y_predict)

reg.score(x_test,y_test)

则

0.6129316803937322

局限性
在这里插入图片描述

解决方法：R Squared

在这里插入图片描述

Baseline Model

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

范德彪陕西分彪
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python机器学习(scikit-learn)：线型模型（线型回归、逻辑回归）、样本生成器、方法链-谢TS的博客.pdf
07-19
线型模型是机器学习中的一种基础且广泛应用的算法，特别是在回归问题中。它们试图通过建立一个线性关系来预测连续的输出变量。Python中的scikit-learn库提供了丰富的线型模型实现，包括线性回归和逻辑回归等。 **1....
sklearn中使用r2_score评价回归模型
qq_41929011的博客
03-28 1万+
在sklearn中包含四种评价尺度，分别为mean_squared_error、mean_absolute_error、explained_variance_score 和 r2_score。 做回归分析，常用的误差主要有均方误差根（RMSE）和R-平方（R2）。 （1）MSE：数理统计中均方误差是指参数估计值与参数真值之差平方的期望值，记为MSE。MSE可以评价数据的变化程度，MSE的值越小，说...
【python】回归评价指标体系
m0_64548999的博客
10-03 2421
当您调用逻辑递归，随机森林分类器等分类器时，该方法默认计算准确性评分（准确性为#correct_preds/#all_preds）。与分类器一样，该方法只是计算R2的简写，因为它通常用于评估回归量的性能。经常会遇到对回归问题的评估问题，如何评估回归问题优劣本文整理了sklearn中关于回归问题的评估方法。使用时，您需要现成的预测，即该函数不会使用引擎盖下的测试集生成预测。所以，结论是和回归量是相同的 - 它们只是计算决定系数的不同方法。与简单的 不同，它需要现成的预测 - 它不会在引擎盖下计算它们。
sklearn【R²】决定系数，原理及代码学习！
最新发布
高级数据分析师，分享Python知识
04-22 3395
决定系数（Coefficient of Determination），又称R方，是衡量回归模型拟合优度的统计量，用来反映回归模型对样本数据的拟合程度。收集数据：首先需要收集自变量和因变量的观测数据，确保数据的准确性和完整性。建立回归方程：根据收集到的数据，建立回归方程。回归方程的形式可以根据实际情况进行选择，常见的有线性回归、多项式回归等。计算预测值：利用建立的回归方程，计算因变量的预测值。预测值可以通过代入自变量的观测值来计算。计算残差：计算每个观测值的残差，即观测值与预测值之间的差异。
python学习（五）----机器学习相关工具的建模
weixin_44586132的博客
09-18 144
import numpy as np from scipy import stats import matplotlib.pyplot as plt from sklearn.metrics import r2_score import random a = list() b = list() """ 生成均值为1，方差为2的100个正态分布数据 a.append(np.random.normal(1, 2, 10)) # 生成1~10间的随机整数 a.append(random.randi
理解statsmodels中OLS对应基金alpha、beta、R-squared
漫步量化
08-24 2385
概解statsmodels 《理解patsy & Design Matrices》 To fit most of the models covered by statsmodels, you will need to create two design matrices. The first is a matrix of endogenous variable(s) (i.e. dependent, response, regressand, etc.). 对应Y The second is ..
Python机器学习编程与实战教学教案05Matplotlib基础绘图.pdf
04-04
**Python机器学习编程与实战教学教案05Matplotlib基础绘图** 在Python机器学习领域，数据可视化是一项至关重要的技能，而Matplotlib库是Python中最常用的数据可视化库之一。本章节着重于讲解Matplotlib的基础绘图...
python多元线性回归预测数据
09-30
这个例子展示了如何结合传统的机器学习算法（如线性回归）与现代深度学习库（如TensorFlow）以提高预测能力。在实际应用中，我们还需要考虑特征工程、超参数调优以及模型复杂度的平衡等更多细节，以优化模型的性能。
chillerMLR:使用多元线性回归预测离心式冷水机组的性能
06-05
像这样的机器学习模型可用于优化冷却器和系统能效。 有兴趣的人可以通过添加更多有用的特征、更好地清理数据以及尝试新的机器学习算法来试验和改进这个模型。 数据集： Date_Time = excel 串行格式的日期和时间 ...
Python Matplotlib代码
08-08
Matplotlib与numpy结合使用时，能够处理大量的数值型数据，并生成高质量的图形，这对于数据分析、机器学习和深度学习项目至关重要。 Matplotlib的主要组件包括pyplot模块（通常简称为plt），它提供了类似MATLAB的...
使用OLS摘要解释线性回归的结果
qq_29983883的博客
05-02 1万+
下面是一个回归过程，用于拟合收入和教育情况 import pandas as pd import matplotlib.pyplot as plt import seaborn as sms import statsmodels.api as sn sdata = pd.read_csv('../input/traindatas/char7/Salary_Data.csv') print(sdata.head()) n = sdata.shape[0] x_sum = sdata.YearsExperie
Python 线性回归计算r-squared方法
ieeso的博客
01-21 1万+
背景 计算线性回归a、b值后，希望计算r-squared，对比是否为最佳拟合 Excel拟合 数据源 拟合结果 Python拟合 import math import numpy as np from scipy import stats testX = [174.5,171.2,172.9,161.6,123.6,112.1,107.1,98.6,98.7,97.5,95.8,93.5,91.1,85.2,75.6,72.7,68.6,69.1,63.8,60.1,65
python AttributeError: '' object has no attribute '' 的错误解决方法
热门推荐
tmoonlee的博客
06-16 13万+
for res in results: # 在这里不要把res写成re了，和引入名字一样会报错 我的这个错误就是因为引入的是 import re后面这个参数名字不能写成re
PyTorch预测值相同的处理
jasminefeng的博客
12-14 6399
最近训练一个BP神经网络做回归，发现拟合效果很烂，甚至我用单样本训练竟然还是欠拟合。然后我昨天晚上发现，这个预测结果，随着我epoch次数的增加，最后所有预测结果会趋同。 这边一共放了三张大图，每张大图里面有两张小图，上面的小图记录了train accuracy（红）和test accuracy（蓝），评价标准是R square；下面的小图是我追踪的预测结果。三次训练分别是10、3、2个样本。 可以很明显看到，训练集上的R square最后趋近于0，R2=1−RSSTSSR^2=1-\frac{RSS
python，私有属性运行报错； object has no attribute
yimaoyingbi的专栏
02-01 8万+
python对于类的成员没有严格的访问控制限制，这与其他面向对象的语言有区别。关于私有属性和私有方法，有如下要点： 1）通常我们约定，两个下划线开头的属性是私有的，其他是公共的； 2）类内部可以访问私有属性（方法） 3）类外部不能直接访问私有属性（方法） 4）类外部可以通过“_雷鸣__私有属性（方法）”访问私有属性（方法） class Employee: def __init__(s...
R语言实战笔记--第八章 OLS回归分析
Sevan_Li的博客
12-25 3万+
R语言实战笔记–第八章 OLS回归分析标签（空格分隔）： R语言 回归分析　　首先，是之前的文章，数理统计里面的简单回归分析，这里简单回顾一下： 　　简单回归分析的原理：最小二乘法，即使回归函数与实际值之差的平方和最小。所以它在R中也称为OLS模型，它能实现的回归分析为简单线性回归、多项式回归以及多元线性回归。 　　模型中的称谓：自变量、解释变量及预测变量为x，因变量、结果变量、效标变量及预测响
最好的评价线性回归的指标-R Squared
huobumingbai1234的博客
07-14 1万+
在学习线性回归的时候大多数教程会讲到RMSE，MSE(MAE提到的较少)这两个指标评价模型模型拟合的效果，当然MSE也就是模型的损失函数。在分类模型中针对不同的数据我们可以用分类的准确度评价谁的模型效果较好，这两者的量纲是一致的，但是在回归中预测不同的实际场景，比如一个预测股市，一个预测房价，比较MSE或者RMSE就不能比较谁好谁坏；所以将预测结果转换为准确度，结果都在[0, 1]之间，针对不同问...
个股与指数的回归分析（python）
程松
05-07 2万+
个股与指数的回归分析
转 R 线性回归的最小二乘法（OLS回归）
技术 改变未来
06-09 2万+
全称：线性回归的最小二乘法（OLS回归），ordinary least square，字面翻译：普通最小平方；内容：包括三个部分：简单线性回归、多项式回归、多元线性回归；原理：最小二乘法，即使回归函数与实际值之差的平方和最小，来找出线性表达式的各个参数；前提假设：    1）线性：y = α+βx+u，其中：α为常量，βx泛指确定性自变量及对应系数的方程式，u为随机误差；            这...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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