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
麻雀无能为力2 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心2 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列
.30-06Springfield2 小时前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
说私域3 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的超级文化符号构建路径研究
人工智能·小程序·开源
永洪科技3 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
shangyingying_13 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎4 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
猫头虎5 小时前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
要努力啊啊啊5 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪