【机器学习】衡量线性回归算法最好的指标：R Squared

衡量线性回归算法最好的指标：R Squared

• 一、摘要
• [二、回归算法评价指标与R Squared指标介绍](#二、回归算法评价指标与R Squared指标介绍)
• [三、R Squared的编程实践](#三、R Squared的编程实践)

一、摘要

本文主要介绍了线性回归算法中用于衡量模型优劣的重要指标------R Squared（R方）。R方用于比较模型预测结果与实际结果的拟合程度，其值范围在0到1之间，越接近1表示模型预测效果越好。R方的计算涉及预测误差与总误差的比较，其中分子 为预测误差的平方和，分母 为总误差的平方和。当R方等于1时，表示模型预测无误差；小于零则表明模型效果不佳，可能不适合线性回归。 此外，还介绍了如何通过编程实践计算R方值，并在不同的机器学习库中实现该指标的计算。最后，强调了R方作为衡量线性回归模型性能的关键指标的重要性。

二、回归算法评价指标与R Squared指标介绍

1. 之前的博文中介绍了评价回归算法优劣的三个指标：MSE（均方误差）、RMSE（均方根误差）和MAE（平均绝对误差）。这些指标存在的问题 ：无法直接比较不同问题的预测误差。分类问题的评价指标简单明了，取值在0到1之间，而回归算法的指标没有这样的性质。

2. R Squared（R方） 是一个解决上述问题的新指标。
   计算方法 ：1减去两个量的比值，分子是残差平方和，分母是总平方和。
   

   • R方计算步骤：计算残差平方和与总平方和，代入公式计算R方值。
   • 残差平方和：预测结果减去 真实值的平方和。
   • 总平方和：真实值与均值差 的平方和。

   R Squared的优势：

   • R方将回归问题的衡量结果归约到0到1之间，便于比较不同模型的性能。
   • R方越大越好，越接近1表示模型预测越准确。
   • R方小于零表示模型预测效果不如基准模型。
   • 可能意味着数据间不存在线性关系，需要考虑其他回归方法。

   R Squared的统计意义：

   • R方可以表示为1减去均方误差（MSE）与方差的比值。
   • 均方误差：预测结果与真实值的平方差均值。
   • 方差：真实值的方差。
   • R方衡量模型与基准模型的差异，值越大表示模型预测越准确。
     
     
     
     最后这张图将公式的含义是 ：1 - （MSE（均方误差）/ Var（方差）

三、R Squared的编程实践

1. 计算R方的编程实践：使用NumPy、SciPy或sklearn等库进行计算。

2. 示例代码：计算简单线性回归模型的R方值。

   import openml
   import numpy as np
   
   # 从 openml 获取波士顿房价数据集
   dataset = openml.datasets.get_dataset(531)
   X, y, categorical_indicator, attribute_names = dataset.get_data(
       target=dataset.default_target_attribute, dataset_format='dataframe'
   )
   
   # 这里只用RM这个特征来计算，提取RM列特征数据
   boston_datas = X.iloc[:,5]
   
   # 分布在50那里的一些点，可能不是真实的点，比如问卷调查中通过会设置一些上限点，而往往这些不是真实存在的额点，因此可以去除
   y_normal = y[y < 50.0]
   x_normal = boston_datas[y < 50.0]
   
   import sys
   # 替换为你的 PyCharm 工程实际路径
   project_path = 'D:/PycharmProjects/pythonProject/'
   if project_path not in sys.path:
       sys.path.append(project_path)
   
   # 拆分训练集和测试集
   from model_selection import train_test_split
   X_train,y_train,X_test,y_test = train_test_split(np.array(x_normal),np.array(y_normal),seed=666)
   
   # 引入我们自己实现的线性回归模型
   from SimpleLinearRegressionDemo import SimpleLinearRegressionModel
   reg1 = SimpleLinearRegressionModel()
   reg1.fit(X_train,y_train)
   
   # 预测结果
   y_predict = reg1.predict(X_test)
   
   # scikit-learn来计算均方误差和绝对值误差
   from sklearn.metrics import mean_squared_error
   from sklearn.metrics import mean_absolute_error
   
   # 根据公式先计算分子: MSE 均方误差
   n_mse = mean_squared_error(y_pred=y_predict,y_true=y_test)
   # 根据公式先计算分母: 测试集的方差
   d_var = np.var(y_test)
   
   # 带入公式，得到R Squared值
   ret_pred = 1 - n_mse / d_var
   ret_pred

   执行结果：0.6129316803937324