无法获得我的线性的准确度分数答案

【问题标题】：Unable to obtain accuracy score for my linear无法获得我的线性的准确度分数
【发布时间】：2018-01-19 12:48:26
【问题描述】：

我正在研究基于 IMDB 数据的回归模型，以预测 IMDB 值。在我的线性回归中，我无法获得准确度分数。

我的代码行：

metrics.accuracy_score(test_y, linear_predicted_rating)

错误：

ValueError: continuous is not supported

如果我改变那条线以获得 r2 分数，

metrics.r2_score(test_y,linear_predicted_rating)

我能够在没有任何错误的情况下获得 r2。知道为什么我会看到这个吗？

谢谢。

编辑：我发现的一件事是test_y 是熊猫数据框，而linear_predicted_rating 是 numpy 数组格式。

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

注意：准确度（例如分类准确度）是分类而非回归的衡量标准，因此我们无法计算回归模型的准确度。对于回归，我们要获得分数（模糊地称为准确度）的矩阵之一是 R-squared（R²）。

您可以使用LinearRegression 中的score(X, y, sample_weight=None) 函数获得预测的R² 分数（即准确性），如下所示，通过相应地更改逻辑。

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train,y_train)
r2_score = regressor.score(x_test,y_test)
print(r2_score*100,'%')

输出（我的模型的 a/c）

86.23%

【讨论】：

【解决方案2】：

您无法预测回归模型的准确性，但是您可以使用平均绝对误差、均方误差、均方根误差、最大误差、中值误差 R 平方等来分析您的模型。以供参考你可以去this获取更多知识

【讨论】：

【解决方案3】：

以上是R平方值，不是准确率：

# R squared value
metrics.explained_variance_score(y_test, predictions)

【讨论】：

我认为 r^2 - 解释方差是准确度

【解决方案4】：

metrics.accuracy_score 用于衡量分类准确性，它不能用于衡量回归模型的准确性，因为查看回归的准确性没有意义 - 预测很少能等于预期值。如果预测值与预期值相差 1%，则准确度将为零，尽管这些预测值非常好

以下是一些回归指标：http://scikit-learn.org/stable/modules/classes.html#regression-metrics

【讨论】：

太棒了！感谢您的链接，似乎没有回归的准确度指标。
因为看到回归的准确性没有意义 - 预测很少能等于预期值。如果预测值与预期值相差 1%，则准确度将为零，尽管这些预测值非常好。

【解决方案5】：

你的变量是什么样的。下面的代码运行良好。

from sklearn import metrics
test_y, linear_predicted_rating = [1,2,3,4], [1,2,3,5]
metrics.accuracy_score(test_y, linear_predicted_rating)

【讨论】：

linear_predicted_rating 似乎在 np 数组中，而 test_y 是熊猫数据框。 pastebin.com/yuh0p703
不过，当我使用 metrics.r2_score(test_y, linear_predicted_rating) 时效果很好。