regr.score 和 r2_score 给出不同的值

Question

我正在使用 sklearn.linear_model.LogisticRegression 并使用它计算 R^2 值，如下所示

regr.score(xtest, ytest)

我得到 0.65 分

现在，为了比较，我使用了 sklearn.metrics.r2_score¶ 提供的指标，我计算分数如下

r2_score(ytest,regr.predict(xtest))

我得到-0.54的分数

根据文档 regr.score 返回“R^2 of self.predict(X) wrt.y”。这就是我使用指标计算 R^2 所做的，但我不明白为什么这些值如此不同？

谁能帮我解释一下？

更新：按照建议，我在 r2_score 中切换了变量 ytest,regr.predict(xtest)，但在逻辑回归中，我仍然得到不同的值。所以我更新了问题。

Answer 1

您得到不同值的原因是因为LogisticRegression 类中的score 函数默认计算accuracy score。准确度分数只是正确预测的数量除以预测的总数。另一方面，R2 分数完全不同，您可以阅读更多关于它的数学知识here。

希望有帮助！