了解确定系数

Question

我正在通过documentation 了解确定系数，从文档中我了解到确定系数不过是 R x R（相关系数）

所以我从 kaggle.com 获取房价数据集并开始尝试以更好地理解，这是我的代码

取相关系数

test_data=pd.read_csv(r'\house_price\test.csv')
_d=test_data.loc[:,['MSSubClass','LotFrontage']]
_d.fillna(0,inplace=True)
_d.corr()

现在，像这样取确定系数

from sklearn.metrics import r2_score
r2_score(_d['MSSubClass'],_d['LotFrontage'])

为此，我得到了值 -0.9413195412943647

理想情况下不应该是 0.060531252961 吗？如-0.246031 x -0.246031 = 0.060531252961

Answer 1

关注文档：https://scikit-learn.org/stable/modules/model_evaluation.html#r2-score

r2_score 定义为：

df.corr方法在哪里（具有皮尔逊相关性）：

所以让我们构建一个例子：

x   y
1   1
1   0
0   0
1   1

相关性：4*(1+0+0+1) - 3*2 / sqrt(4*(3-9)*4*(2-4)) = 8-6/ sqr(-24*4*-8) = 2/sqr(-24*4*-8) R2 在哪里：1-((0)^2+(1)^2+(0)^2+(0)^2) / (1-0.75)^2+(1-0.75)^2+(0 - 0.75)^2 +(1-0.75)^2

希望有帮助

Answer 2

您所引用的“文档”只是一篇描述 R2 众多变体之一的博文。我建议阅读官方scikit-learn 文档以了解它们在r2_score 中的实现。

简而言之，0 值意味着模型与仅预测目标变量的期望值（即均值）的模型没有任何不同。另一方面，值为 1 意味着该模型是完美的，其预测没有错误。但是，这是与您提供的博文所述的主要区别，您会看到它允许负值，因为模型的性能可能比简单地预测目标变量的预期值更差。

这就是scikit-learn 的r2_score 在您的案例中告诉您的：您拟合的模型更差，即平均产生更高的误差，而不是仅仅预测房价的平均值。