回归模型拟合效果的统计指标: 决定系数 R2 r2 r2_score

决定系数 (Coefficient of Determination),通常用 R 2 R^2 R2 表示,是一种衡量回归模型拟合效果的统计量。它表示模型解释自变量和因变量之间变异程度的比例。决定系数的值在 [ 0 , 1 ] [0, 1] [0,1] 之间,值越接近 1,模型的拟合效果越好。

决定系数的计算公式:

R 2 = 1 − SSR SST R^2 = 1 - \frac{\text{SSR}}{\text{SST}} R2=1−SSTSSR

其中:

  • SSR(残差平方和) :模型的预测值与真实值之间误差的平方和,即:
    SSR = ∑ i = 1 n ( y i − y ^ i ) 2 \text{SSR} = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 SSR=i=1∑n(yi−y^i)2

    其中, y i y_i yi 是实际值, y ^ i \hat{y}_i y^i 是预测值。

  • SST(总平方和) :实际值与其平均值之间的差异的平方和,即:
    SST = ∑ i = 1 n ( y i − y ˉ ) 2 \text{SST} = \sum_{i=1}^{n} (y_i - \bar{y})^2 SST=i=1∑n(yi−yˉ)2

    其中, y ˉ \bar{y} yˉ 是实际值的平均值。

决定系数的解释:

  1. R² = 1:表示模型完美拟合数据,即所有实际值都被模型准确预测。
  2. R² = 0:表示模型的预测效果与简单的平均值预测效果相同。即,模型没有解释因变量的变异。
  3. R² < 0 :当模型的预测值比平均值预测得更差时, R 2 R^2 R2 可以为负数,这表示模型没有任何解释能力。

决定系数的意义:

  • 决定系数可以用来衡量模型对数据的解释力。较高的 R 2 R^2 R2 表明模型较好地解释了数据中的变异,但它不能直接说明模型是否是最优模型,或是否适合所有情况。
  • R 2 R^2 R2 仅衡量线性关系的好坏,对于非线性回归模型,可能需要使用其他性能度量指标(如调整后的 R 2 R^2 R2、AIC、BIC 等)。

示例:如何解释 R 2 R^2 R2

假设在一个简单的线性回归中, R 2 = 0.85 R^2 = 0.85 R2=0.85,这意味着模型可以解释 85% 的数据变异,而剩余的 15% 可能是由于其他未被模型捕捉的因素导致的误差。

总结来说,决定系数 R 2 R^2 R2 是用于评估回归模型性能的重要指标,特别是衡量模型对数据中变异的解释能力。

相关推荐
qq_529025295 分钟前
Torch.gather
python·深度学习·机器学习
IT古董38 分钟前
【漫话机器学习系列】017.大O算法(Big-O Notation)
人工智能·机器学习
凯哥是个大帅比38 分钟前
人工智能ACA(五)--深度学习基础
人工智能·深度学习
m0_748232921 小时前
DALL-M:基于大语言模型的上下文感知临床数据增强方法 ,补充
人工智能·语言模型·自然语言处理
szxinmai主板定制专家1 小时前
【国产NI替代】基于FPGA的32通道(24bits)高精度终端采集核心板卡
大数据·人工智能·fpga开发
海棠AI实验室1 小时前
AI的进阶之路:从机器学习到深度学习的演变(三)
人工智能·深度学习·机器学习
机器懒得学习1 小时前
基于YOLOv5的智能水域监测系统:从目标检测到自动报告生成
人工智能·yolo·目标检测
QQ同步助手2 小时前
如何正确使用人工智能:开启智慧学习与创新之旅
人工智能·学习·百度
AIGC大时代2 小时前
如何使用ChatGPT辅助文献综述,以及如何进行优化?一篇说清楚
人工智能·深度学习·chatgpt·prompt·aigc