目录1 R 2 R^2 R2公式基于Python误差值的实现基于sklearn.metrics.r2_score的实现4笔者认为：
1 R 2 R^2 R2计算公式
用y i y_i yi表示3358www.Sina.com/观测值，用y(bar(y ) y )表示真正的观测值真实的，用yI(hat ) y_I ) yi )表示
r2=1I=1n(yIy^I ) 2I=1n ) yi y2 ) 2r^{2}=1-(FRAC(sum_{I=1}^{n} ) left ) y _ { I } lft (y _ y
也就是说
r2=1I(yIyI ) )2/nI ) yiy )2/n=1msevarr ) )=1-frac (sum _ { I } (left ) y_{I}-) ) ) ) ) )
分子为一般的评价指标均方误差MSE，分母为方差Var。
利用Python的误差值输入froms klearn.metricsimportmean _ squared _ error1- mean _ squared _ error (y _ test，y_pred )/NP.NP
利用sklearn.metrics.r2_score输入froms klearn.metrics importr2_ score print ((决定系数R(2=(，R2_score ) y_test，
4笔者认为，决策系数一般用于评估回归模型； 分类模型的预测值为平均值，由于分类模型既不是0也不是1，所以使用公式计算时模型的评价结果不合适。