Python - 确定系数-R2 分数

简介

确定系数（Coefficient of determination），又称决定系数，用于衡量一个回归模型的质量，其值的范围从0到1，从小到大表示模型的拟合效果越来越好。

通俗来讲，确定系数是用来判断你的预测值与实际值之间的差距到底有多大的。

计算方式

要计算出一个模型的 R2 分数，需要知道以下两个指标：

• SSE：sum of the squared errors
• SST：total sum of errors

R2 分数的计算方式如下：

R2 = 1 - (SSE / SST)

其中，SSE 表示残差平方和，SST 表示总平方和。

代码实现

在 Python 中，可以通过 scikit-learn 库中的 r2_score 方法很容易地计算出 R2 分数。

from sklearn.metrics import r2_score

# 预测值 y_pred 和实际值 y_true
y_pred = [1, 2, 3, 4]
y_true = [0.9, 1.8, 2.7, 4.2]

# 使用 r2_score 方法计算 R2 分数
r2 = r2_score(y_true, y_pred)

# 输出 R2 分数
print("R2 分数为:", r2)

输出结果为：

R2 分数为: 0.9827067669172932

结论

R2 分数为 1 表示模型的预测值与实际值完全吻合，R2 分数为 0 表示模型的预测值与实际值没有任何关系。在实际应用中，通常认为 R2 分数大于 0.8 的模型拥有较好的预测能力。

通过计算 R2 分数，我们可以评估回归模型的拟合程度，从而更好地理解模型的预测能力。