R2_score什么意思

r2_score 是 Python 機器學習庫 scikit-learn 中的一個函式，用於評估回歸模型的擬合優度。R^2 也被稱為 coefficient of determination，它是一個統計量，用於衡量模型解釋變數的能力。

在回歸分析中，R^2 的取值範圍在 0 到 1 之間，其中：

• 0 表示模型沒有解釋能力。
• 1 表示模型完美地解釋了數據。

R^2 的計算公式如下：

R^2 = 1 - (u_i - y_i)^2 / (y_i - y_mean)^2

其中，u_i 是模型的預測值，y_i 是實際觀測值，y_mean 是所有觀測值的平均值。

在 scikit-learn 中，你可以使用 r2_score 函式來計算模型的 R^2 值。以下是一個簡單的例子：

from sklearn.metrics import r2_score

# 假設 x 是一個特徵向量，y 是一個目標向量
# 模型預測的值存儲在 pred 變數中
r2_score = r2_score(y, pred)
print(r2_score)

這個函式會返回一個浮點數，表示模型的 R^2 值。通常，R^2 值越高，模型的擬合效果就越好。但是，需要注意的是，R^2 值會受到樣本規模的影響，因此在比較不同模型的性能時，應該謹慎考慮樣本規模的影響。