哪个 r s-squared 分数更有帮助？答案

【问题标题】：Which r s-squared score is more helpful?哪个 r s-squared 分数更有帮助？
【发布时间】：2020-07-24 17:24:31
【问题描述】：

   data.drop('Movie Title', axis=1, inplace=True)
   features = data.loc[:, data.columns != 'worldwide_gross_usd']
   charges = data['worldwide_gross_usd']

   X_train, X_test, y_train, y_test = train_test_split(features, 
                                                        charges, 
                                                        random_state=42, 
                                                        test_size = 0.2)
    
    regr = LinearRegression().fit(X_train, y_train)
    
    y_pred = regr.predict(X_test)
    
    print('Trained R-squared score: ', regr.score(X_train, y_train))
    print('Tested R-squared score: ', regr.score(X_test, y_test))

输出：

训练后的 R 平方分数：0.5404764241697003

测试的 R 平方分数：0.5845801856343114

X_train, X_test, y_train, y_test = train_test_split(features, 
                                                    charges, 
                                                    random_state=12, 
                                                    test_size = 0.2)

regr = LinearRegression().fit(X_train, y_train)

y_pred = regr.predict(X_test)

print('Trained R-squared score: ', regr.score(X_train, y_train))
print('Tested R-squared score: ', regr.score(X_test, y_test))

输出：

训练后的 R 平方分数：0.5345435646372121

测试的 R 平方分数：0.602138324770633

您可以注意到，当我更改 random_state 值时，我的训练分数降低了 1%，但我的测试分数提高了 2% 第一个还是第二个，你更喜欢哪个 R 平方分数？

【问题讨论】：

请避免在整个段落中使用粗体。

标签： python machine-learning deep-learning linear-regression

【解决方案1】：

R-squared 得分是回归模型的快速估计，但不是一个好的估计器。

是这样的：

您在 2D 平面上有 3 个点（例如 p1、p2、p3）。

在第一种情况下，您使用 p1 和 p2 绘制回归线，然后对其进行测试 p3，得到 r1 分数。

接下来，您使用 p2 和 p3 绘制回归线，然后在 p1 上进行测试，并获得 r2 分数。

因此，您不能完全依赖于具有不同随机状态的 R 平方分数。

推论：

如果您的所有数据点都具有同等相关性，则测试集上的 R 平方得分越高越好。
如果您不确定数据集的相关性，则应检查其他参数/方法以找出哪个 R 平方得分更好。

其他参数/方法：

您应该为这两种情况绘制残差图。检查哪一个的均值接近零且方差接近 1（对于大多数数据集），那个更好。如果任何一种情况下的残差图都有某种模式，那么这种情况就不好，可以改进。如果任何一个案例的残差图都有残差，那么那个案例也不好，可以改进。

注意：例如，您要预测房价，并且有房屋面积、位置、BHK、以前居住的人数那里等。但是房价更多地取决于房屋面积而不是以前住在那里的人数。所以两者不相等相关的。这就是我所说的同等相关的意思。

【讨论】：