Sklearn.metrics下面的r2_score函数用于计算R²(确定系数:coefficient of determination)。它用来度量未来的样本是否可能通过模型被很好地预测。分值为1表示最好,但我们在使用过程中,经常发现它变成了负数,多次手动调参只能改变负值的大小,却始终不能让该值变成正数。

本文将这一问题进行一些初步探讨,希望能起到够抛砖引玉的作用。

R²的定义如下:![Alt]在这里插入图片描述从公式来看,即使我们不使用任何模型,仅仅用目标集标签的平均值,就能让R2_score为0,如果值为负数,则表示我们预测的结果还不如测试集中的y_label的平均值准确。下面我们最简单的模型去测试一下R2_score到底跟什么有关系。

首先,我们先在三维空间里构建两个数据集。一个是z=y的一次平面,数据集在这个平面上。另外一个是z=xx+yy的二次抛物曲面,数据来自这个平面上。废话不多说,上代码:

import sklearn

from sklearn import preprocessing

from sklearn import linear_model

from sklearn.metrics import r2_score#R square

from sklearn.svm import SVR

构建z=y平面

X1_train = [[0,0],[0,1],[1,0],[1,1],[2,0],[-2,0],[1,-3],[-1,-1]]

y1_train = [0,1,0,1,0,0,-3,-1]

X1_test = [[2,-1],[0,2],[-1,-2],[1.5,1.5],[-1.5,-1.5]]

回归模型的score得分为负_Sklearn模型中预测值的R2_score为负数的问题探讨相关推荐

  1. 回归模型的score得分为负_逻辑回归评分卡实现和评估

    逻辑回归评分卡实现和评估 上一节讲得是模型评估,主要有ROC曲线.KS曲线.学习曲线和混淆矩阵.今天学习如何实现评分卡和对评分卡进行评估.   首先,要了解评分卡是如何从概率映射到评分的,这个之前写过 ...

  2. 回归模型的score得分为负_SPSS中 回归 B值为负数什么意思

    展开全部 B值是指回归系数和截距(常数项),可以是负数(负相关时回归系数出现负值).e5a48de588b63231313335323631343130323136353331333431366262 ...

  3. R语言计算F1评估指标实战:F1 score、使用R中caret包中的confusionMatrix()函数为给定的logistic回归模型计算F1得分(和其他指标)

    R语言计算F1评估指标实战:F1 score.使用R中caret包中的confusionMatrix()函数为给定的logistic回归模型计算F1得分(和其他指标) 目录

  4. cox风险回归模型参数估计_信用风险管理:分类模型和超参数调整

    cox风险回归模型参数估计 The final part aims to walk you through the process of applying different classificati ...

  5. logistic回归模型python_【机器学习速成宝典】模型篇03逻辑斯谛回归【Logistic回归】(Python版)...

    目录 一元线性回归.多元线性回归.Logistic回归.广义线性回归.非线性回归的关系 什么是极大似然估计 逻辑斯谛回归(Logistic回归) 多类分类Logistic回归 Python代码(skl ...

  6. KGPolicy:用于推荐的负采样模型(知识图谱策略网络)WWW 2020

    论文链接:https://arxiv.org/pdf/2003.05753.pdf 代码链接:https://github.com/xiangwang1223/kgpolicy 摘要 合理的处理缺失数 ...

  7. 运用高斯核模型进行最小二乘回归_数据科学 | 第8讲:模型选择与正则化

    点击上方"蓝字"带你去看小星星 模型选择,是指利用统计方法,从众多自变量中,选择显著的.最能解释因变量变化的那一部分自变量参与建模.在统计建模中,模型选择是重要的也是核心的步骤之一 ...

  8. 应用预测建模第六章线性回归习题6.1【主成分分析,模型的最优参数选择与模型对比 ,多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网】

    模型:多元线性回归,稳健回归,偏最小二乘回归,岭回归,lasso回归,弹性网 语言:R语言 参考书:应用预测建模 Applied Predictive Modeling (2013) by Max K ...

  9. R语言glmnet交叉验证选择(alpha、lambda)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值、模型最优的lambda值,最终模型的拟合与评估

    R语言glmnet交叉验证选择(alpha参数和lambda参数)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值.弹性网络(elasticNet)模型最优的 ...

最新文章

  1. jquery sortable简述
  2. 青龙羊毛——去闲转(教程)
  3. ACM 进阶计划~~转
  4. 异步编程:JDeferred 2.x 的使用(针对Android)
  5. CodeForces - 617E XOR and Favorite Number(莫队)
  6. pl/postgresql_PostgreSQL PL / java简介
  7. ajax环境配置tomcat,jcreator+tomcat环境配置
  8. 冒泡排序(Java版)
  9. 阿里巴巴大数据实践:OneData模型实施介绍
  10. 3D游戏建模到底需要学习哪些美术基础?新手学习3D建模?
  11. 在手机上查看和测试vue脚手架搭建的项目
  12. SQL语句写返回一天内的纪录,得到一周内星期几的时间
  13. mapgis67安装输入计算机名称,MapGIS67操作手册(1-6)MapGIS67 安装使用注意事项
  14. 证监会行业分类代码对照表(2001+2012年)
  15. 沟通CTBS立白集团远程接入成功案例
  16. SEO快速排名,关键词快速排名软件,到底靠谱不靠谱
  17. 【笔记整理】数字信号处理复习——FT、DTFT、DFT和FFT之间的关系
  18. BVH with SAH (Bounding Volume Hierarchy with Surface Area Heuristic)
  19. 百度竞价推广账户常见问题及调整方法
  20. MySQL 数据类型和约束(外键是重点

热门文章

  1. C#实现所有经典排序算法汇总
  2. Scratch第四十九讲:完美的下落和反弹
  3. 解决Android Studio编译后安装apk报错:Error while Installing APK
  4. JavaScript 函数 伪数组 arguments
  5. Python股票分析系列——基础股票数据操作(二).p4
  6. Ubuntu上面安装Redis Python
  7. 第二章课下测试补交博客
  8. mui框架之a标签无法跳转的问题
  9. node.js--exports和module.exports
  10. UIViewController与UIView的关系