Lasso 中的均方误差 (MSE) 和 Python 中的岭回归

Question

我实际上是同时为一个数据集编写 Ridge 回归和 LASSO 回归，最后我试图绘制这两种方法的性能图和错误 (MSE)。

为了性能，我使用了从 sklearn 导入的命令 linear_model.ridge.score() 和 linear_model.lasso.score()。当我绘制图表时，它似乎保持在0 和1 之间，但当我尝试分别计算两者的 MSE 时，它变成了一个很大的数字，即798,768（完整列表）等 但我也需要0 和1 之间的错误，这样当我绘制它时，我可以将它与性能进行比较......

所以我的问题是：

有什么方法可以将这种类型的列表转换为0到1之间的数字而不丢失信息？

Answer 1

您可以使用它的“标准化版本”代替 MSE - 确定系数 R^2 (https://en.m.wikipedia.org/wiki/Coefficient_of_determination)，它保证在 0 和 1 之间。 有关更多详细信息，请参阅此答案https://stats.stackexchange.com/questions/32596/what-is-the-difference-between-coefficient-of-determination-and-mean-squared。