? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Python回歸模型評估

1 聲明

本文的數據來自網絡，部分代碼也有所參照，這里做了注釋和延伸，旨在技術交流，如有冒犯之處請聯系博主及時處理。

2 回歸模型評估簡介

對給給定的回歸模型進行質量評估，常見概念見下：

殘差，即實際值與預測值差的均值。

殘差平方和，即實際值與預測值差的平方的均值。

注:這里的n是樣本的數量，其中 是預測值， 是實際值。

R方，可反應目標向量中模型所解釋的中的方差量。

注:這里n是樣本的數量，其中 是預測值， 是實際值。 是實際值的均值。

3 回歸模型評估代碼示例

# 加載生成回歸的包及計算模型分數的相關包 from sklearn.datasets import make_regression from sklearn.model_selection import cross_val_score from sklearn.linear_model import LinearRegression # 指定X和y features, target = make_regression(n_samples = 100, n_features = 3, n_informative = 3, n_targets = 1, noise = 50, coef = False, random_state = 12) # 創建線性回歸模型 ols = LinearRegression() #以MSE(殘差平方和)法交叉驗證模型，這里Scikit-Learn內部約定指標取了負值。 print(cross_val_score(ols, features, target, scoring='neg_mean_squared_error',cv=4)) #以R方法交叉驗證模型 print(cross_val_score(ols, features, target, scoring='r2',cv=4))

4 總結

無

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的Python回归模型评估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。