使用 r² 评估回归模型答案

【问题标题】：Evaluation of an Regression Model with r²使用 r² 评估回归模型
【发布时间】：2016-10-03 13:40:40
【问题描述】：

使用词袋模型，我计算每个文档（来自董事会的帖子）的单词出现次数，并为每个帖子创建向量。示例：

X = [[0,0,0,1,0,3,0,0]
     [0,0,1,0,0,0,1,0]
     [1,0,1,0,2,0,0,0]]

y = [22,35,87]

y 是 X 中每个向量的标签/目标（y = 作者的年龄）。

训练回归模型（线性回归，逻辑回归，...）后，我使用 MAE（平均绝对误差）它将预测年龄与真实年龄进行比较，我得到了令人满意的结果。

但是我不太明白如何使用 r²：

输入

我必须使用预测标签和真实标签是否正确（以我为例，年龄在 14-65 岁之间）

r2_score(y_true, y_pred)

这不就是 MAE 的用途吗？

低 r²

在这个例子中，预测很好：

y_predicted = [49, 30, 31, 46, 28, 30]
y_true =      [46, 28, 30, 49, 30, 57]

除一项预测外，所有预测都接近真实年龄。 MAE 是 6.3 年，但 scikit-learns r²scorer 显示 -0.008

为什么这么糟糕？就因为一个错误的预测？

皮尔森 r

此外，还有皮尔逊相关“r”：皮尔逊 r 平方是否等于 r²？

【问题讨论】：

【解决方案1】：

决定系数R²描述了回归模型解释的因变量的方差比例。 MAE 只是给出所有测试数据的平均误差。因此，它们是衡量模型性能的两种不同方法，因为每种方法都有自己的缺陷。

R 平方并不表示回归模型是否足够。您可以为良好的模型设置较低的 R 平方值，或为不适合数据的模型设置较高的 R 平方值。

另一件可疑的事情是，您的值低于 0，因为通常输出在 0 和 1 之间，具体取决于其实现。

也许您可以自己实现该功能，这是一个非常简单的功能（例如wiki）

是的，你应该使用预测的标签和真实的测试数据。

【讨论】：