sklearn r2_score 和 python stats lineregress 函数给出了非常不同的 R^2 值。为什么？

【问题标题】：sklearn r2_score and python stats lineregress function give very different values of R^2. Why?sklearn r2_score 和 python stats lineregress 函数给出了非常不同的 R^2 值。为什么？
【发布时间】：2016-07-09 07:00:10
【问题描述】：

我使用相同的数据但不同的 python 库来计算决定系数 R^2。使用 stats library 和 sklearn 会产生不同的结果。

这种行为背后的原因是什么？

# Using stats lineregress
slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
print r_value**2

0.956590054918

# Using sklearn
from sklearn.metrics import r2_score
print r2_score(x, y)

0.603933484937

【问题讨论】：

标签： python scikit-learn scipy linear-regression

【解决方案1】：

linregress返回的r_value是x和y的相关系数r。一般来说，平方相关系数r²与决定系数R²是不一样的。

决定系数告诉您模型与数据的拟合程度。因此，r2_score 认为 x 是真实值，而 y 是模型预测的值。

如果您的 x 和 y 是真实的预测数据，那么 R² 就是您想要的。但是，如果两者都是测量数据，您很可能需要 r²。

有关correlation coefficient 和coefficient of determination 的详细信息，请访问维基百科。

【讨论】：