Scikit-learn에서

파이썬 scikit-learn 매뉴얼 에서 회귀 메트릭에 대해 읽었으며 각각의 수식이 있지만 $R^2$ 와 분산 점수 의 차이가 무엇인지 직관적으로 알 수 없으므로 언제 어디서나 내 평가를 위해 모델.

1. $R^2 = 1- \frac{SSE}{TSS}$

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$ 1,$\mathrm{Var}$ 분산 편향되고, 즉$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$ . $R^2$ 와 비교할 때유일한 차이점은 평균 (오류)과 다릅니다. 평균 (오류) = 0이면$R^2$ = 설명 된 분산 점수

3. 또한 조정 된 $R^2$ 에서 바이어스되지 않은 분산 추정이 사용됩니다.

딘의 대답이 맞습니다.

$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

내 참조는 여기 sklearn의 소스 코드입니다 : https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396