返回预测的决定系数\(R^2\)。

系数 \(R^2\) 定义为 \((1 - \frac{u}{v})\)，其中 \(u\) 是残差平方和 ((y_true - y_pred) ** 2).sum() 和 \(v\) 是总平方和 ((y_true - y_true.mean()) ** 2).sum() 。最好的分数是 1.0，它可以是负数（因为模型可以任意变差）。 y 的预期值（忽略输入特征）的常量模型将获得 \(R^2\) 分数 0.0。

测试样品。对于某些估计器，这可能是预先计算的内核矩阵或通用对象列表，而不是形状为 (n_samples, n_samples_fitted) ，其中 n_samples_fitted 是估计器拟合中使用的样本数。

X 的真值。

Sample weights.

self.predict(X) 的 \(R^2\ ) wrt。 y 的。

在回归量上调用 score 时使用的 \(R^2\) 分数使用版本 0.23 中 multioutput='uniform_average' r2_score 的默认值保持一致。这会影响所有多输出回归器的 score 方法（MultiOutputRegressor 除外 MultiOutputRegressor 。