Python中的r2 score

在机器学习和统计学中，r2得分是一种用于衡量预测模型与实际数据之间拟合程度的指标。在Python中，可以使用sklearn.metrics.r2_score函数来计算r2得分。

安装sklearn

在使用sklearn.metrics.r2_score函数之前，需要先安装sklearn库。可以使用以下命令进行安装：

pip install -U scikit-learn

计算r2得分

有了sklearn库之后，可以使用sklearn.metrics.r2_score函数来计算r2得分。该函数接受两个参数：y_true和y_pred，分别代表实际值和预测值。以下是一个例子：

from sklearn.metrics import r2_score

y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

r2 = r2_score(y_true, y_pred)

print("r2得分：", r2)

输出：

r2得分： 0.9486081370449679

解释r2得分

r2得分的取值范围是0到1，值越接近1表示模型越好地拟合了实际数据。如果r2得分为0，则表示模型没有学习到任何信息；如果r2得分为负数，则表示模型拟合得更差，甚至比随机猜测还要差。

小结

r2得分是一个重要的指标，用于衡量预测模型与实际数据之间拟合程度。在Python中，可以使用sklearn.metrics.r2_score函数来计算r2得分，并根据得分来判断模型的拟合情况。