¿Cuál es la diferencia entre y la puntuación de varianza en Scikit-learn?


12

Estaba leyendo acerca de las métricas de regresión en la pitón scikit-learn Manual y aunque cada uno de ellos tiene su propia fórmula, no puedo decir intuitivamente cuál es la diferencia entre y la puntuación de la varianza y, por tanto, cuándo se debe utilizar una u otra de evaluar mis modelosR2

Respuestas:


4
  1. R2=1SSETSS
  2. explained variance score=1Var[y^y]/Var[y]V un r V un r [ Y - Y ] = s u m ( e r r o r 2 - m ae un n ( e r r o r ) ) , donde es una varianza sesgada, es decir . En comparación con , la única diferencia es de la media (error). si media (error) = 0, entonces = puntaje de varianza explicadaVarVar[y^y]=sum(error2mean(error))/nR2R2

  3. También tenga en cuenta que en ajustado , se utiliza la estimación de varianza imparcial.R2


2
sklearn no tiene ajustado-R2 ¿verdad?
Hack-R

@ Hack-R en realidad lo tiene
mMontu

1

La respuesta de Dean es correcta.

Solo creo que hay un error tipográfico menor aquí: .Var[y^y]=sum(error2mean(error))/n

Supongo que debería ser .Var[y^y]=sum(errormean(error))2/n

Mi referencia es el código fuente de sklearn aquí: https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.