Scikit-learn R2 始终为零

Question

我正在尝试使用简单的 R^2 分数测试我的 Scikit-learn 机器学习算法，但由于某种原因它总是返回零。

import numpy
from sklearn.metrics import r2_score

prediction  = numpy.array([0.1567,  4.7528,  1.1260,  0.2294]).reshape(1, -1)
training    = numpy.array([0, 3, 1, 0]).reshape(1, -1)

r2          = r2_score(training, prediction, multioutput="raw_values")
print r2
[ 0.  0.  0.  0.]

这是一个由四部分组成的单个值，而不是四个单独的值。如何获得正确的 R^2 分数？

Answer 1

如果你想计算两个向量之间的 r2 值，你应该只传递两个一维数组。见documentation

在您提供的示例中，第一项与第一项进行比较，但请注意，您在预测和训练中只有一个列表，因此它计算 R2 为 0.1567 到 0，即 0，然后计算它为 4.7528 到 3 这也是 0 等等......听起来你想要两个向量的 R2，如下所示：

prediction = numpy.array([0.1567,  4.7528,  1.1260,  0.2294])
training = numpy.array([0, 3, 1, 0])

print(r2_score(training, prediction))
0.472439485

如果您有多维数组，您可以使用multioutput 标志来确定输出应该是什么样子：

#modified from the scikit-learn example
y_true = [[0.5, 1], [-1, 1], [7, -6]]
y_pred = [[0, 2], [-1, 2], [8, -5]]
print(r2_score(y_true, y_pred, multioutput='raw_values'))
array([ 0.96543779,  0.90816327])

这里的输出是 y_true 中每个列表的第一项与 y_pred 的每个列表中的第一项进行比较，第二项与第二项进行比较，依此类推