回归模型的性能的评价指标主要有：RMSE(平方根误差)、MAE（平均绝对误差）、MSE(平均平方误差)、R2_score。但是当量纲不同时，RMSE、MAE、MSE难以衡量模型效果好坏。这就需要用到R2_score，实际使用时，会遇到许多问题，今天我们深度研究一下。
预备知识
搞清楚R2_score计算之前，我们还需要了解几个统计学概念。
若用表示真实的观测值，用表示真实观测值的平均值，用表示预测值,则：
即平均值与真实值的误差，反映与数学期望的偏离程度
R2_score计算公式
R^2 score，即决定系数，反映因变量的全部变异能通过回归关系被自变量解释的比例。计算公式：
分子就变成了常用的评价指标均方误差MSE，分母就变成了方差。
对于可以通俗地理解为使用均值作为误差基准，看预测误差是否大于或者小于均值基准误差。
R2_score = 1，样本中预测值和真实值完全相等，没有任何误差，表示回归分析中自变量对因变量的解释越好。
R2_score = 0。此时分子等于分母，样本的每项预测值都等于均值。
R2_score不是r的平方，也可能为负数(分子>分母)，模型等于盲猜，还不如直接计算目标变量的平均值。
r2_score使用方法
根据公式，我们可以写出r2_score实现代码
1- mean_squared_error(y_test,y_preditc)/ np.var(y_test)
也可以直接调用sklearn.metrics中的r2_score
sklearn.metrics.r2_score(y_true, y_pred, sample_weight=None, multioutput='uniform_average') #y_true：观测值 #y_pred：预测值 #sample_weight：样本权重，默认None #multioutput：多维输入输出，可选‘raw_values’, ‘uniform_average’, ‘variance_weighted’或None。默认为’uniform_average’; raw_values：分别返回各维度得分 uniform_average：各输出维度得分的平均 variance_weighted：对所有输出的分数进行平均，并根据每个输出的方差进行加权。
sklearn.metrics.r2_score使用方法
import matplotlib.pyplot as plt import numpy as np from sklearn import datasets, linear_model from sklearn.metrics import r2_score #导入数据 diabetes_X, diabetes_y = datasets.load_diabetes(return_X_y=True) diabetes_X = diabetes_X[:, np.newaxis, 2] #划分测试集验证集 diabetes_X_train = diabetes_X[:-20] diabetes_X_test = diabetes_X[-20:] diabetes_y_train = diabetes_y[:-20] diabetes_y_test = diabetes_y[-20:] # 创建线性回归模型 regr = linear_model.LinearRegression() # 训练模型 regr.fit(diabetes_X_train, diabetes_y_train) # 预测 diabetes_y_pred = regr.predict(diabetes_X_test) # 模型评价 print('r2_score: %.2f' % r2_score(diabetes_y_test, diabetes_y_pred)) # 绘制预测效果图 plt.scatter(diabetes_X_test, diabetes_y_test, color='black') plt.plot(diabetes_X_test, diabetes_y_pred, color='blue', linewidth=3) plt.xticks(()) plt.yticks(()) plt.show()
r2_score: 0.47
r2_score偏小，预测效果一般。
注意事项
1、
一般用在线性模型中（非线性模型也可以用）
2、
不能完全反映模型预测能力的高低,某个实际观测的自变量取值范围很窄，但此时所建模型的R2 很大，但这并不代表模型在外推应用时的效果肯定会很好。
3、数据集的样本越大，R²越大，因此，不同数据集的模型结果比较会有一定的误差，此时可以使用Adjusted R-Square (校正决定系数）,能对添加的非显著变量给出惩罚:
n是样本的个数，p是变量的个数
