2.8 KiB

Raw Permalink Blame History

决定系数–Python 中的 R 平方值

原文：https://www.askpython.com/python/coefficient-of-determination

读者朋友们，你们好！在本文中，我们将关注 Python 中的决定系数。所以，让我们开始吧！🙂

什么是决定系数(R 平方值)？

在深入探讨决定系数的概念之前，让我们先了解一下通过误差度量来评估一个机器学习模型的必要性。

在数据科学领域，为了解决任何模型，工程师/开发人员在将模型应用于数据集之前，评估模型的效率是非常必要的。模型的评估基于某些误差度量。决定系数就是这样一种误差度量。

决定系数，也就是通常所说的 R 平方值，是一个regression error metric,用于评估模型在应用数据值时的准确性和效率。

r 平方值描述了模型的性能。它描述了由数据模型的独立变量预测的响应或目标变量的变化。

因此，简单地说，R 平方值有助于确定模型的混合程度，以及数据集的决定(独立)变量对输出值的解释程度。

**R 平方的取值范围在[0，1]之间。**看看下面的公式！

R²= 1-SS[RES]/SS[tot]

这里，

SS [res] 表示数据模型的残差的平方和。
SS [tot] 代表误差的总和。

R 平方值越高，模型和结果越好。

带数字图书馆的 r 广场

现在让我们尝试使用 Python NumPy 库来实现 R square。

我们按照以下步骤使用 Numpy 模块获得 R 平方的值:

使用numpy.corrcoef()函数计算相关矩阵。
对索引为[0，1]的矩阵进行切片，以获取 R 的值，即Coefficient of Correlation。
对 R 的值求平方，得到 R 平方的值。

举例:

import numpy
actual = [1,2,3,4,5]
predict = [1,2.5,3,4.9,4.9]

corr_matrix = numpy.corrcoef(actual, predict)
corr = corr_matrix[0,1]
R_sq = corr**2

print(R_sq)

输出:

0.934602946460654

带 Python sklearn 库的 R square

现在，让我们尝试使用 sklearn 库计算 R 平方的值。Python sklearn 库为我们提供了一个 r2_score()函数来确定决定系数的值。