scikit |
您所在的位置:网站首页 › sklearn中f1 › scikit |
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。 Parameters Xarray-like of shape (n_samples, n_features)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。 yarray-like of shape (n_samples,) or (n_samples, n_outputs)X 的真值。 sample_weightarray-like of shape (n_samples,), default=NoneSample weights. Returns scorefloatself.predict(X) 的 \(R^2\ ) wrt。 y 的。 Notes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 。 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |