r2_score 是-18.709，为什么？

Question

我在 Python、ML 中进行多元线性回归。据我所知，r2_score 应该在 -1 到 1 的范围内。但是，我得到了 -18.709。

获得此答案有什么问题，我该如何纠正？其编码和结果如下：

计算R

from SK-learn.meterics import r2_score

score = r2_score(y_test, y_pred)
print(score)

输出：

-18.7097

其预测结果如下：

y_pred = model.predict(X_test)
print(y_pred)

结果：

[25000.123000.73000.103000.]

Answer 1

决定系数r平方定义为

Nash-Sutcliffe 模型效率系数（解释如下）

在某些情况下，R2 的计算定义可以产生 负值，取决于使用的定义。这可能会出现在 与相应结果进行比较的预测 不是从使用这些数据的模型拟合过程中得出的。

即使使用了模型拟合程序，R2 仍可能是 负数，例如在没有进行线性回归时 包括截距，或者当使用非线性函数拟合时 数据。在出现负值的情况下，数据的平均值 提供比拟合函数更好的结果拟合 值，根据这个特定的标准。由于最一般 决定系数的定义也称为 Nash-Sutcliffe 模型效率系数，最后一个符号是 在许多领域首选，因为表示拟合优度指标 可以从 -∞ 到 1 变化（即，它可以产生负值） 平方的字母很混乱。

来源：维基百科