sklearn 度量單位的准確性，平均絕對誤差，回歸問題的均方誤差？

Question

哪個測量單位具有 sklearn 指標的准確度、平均絕對誤差和均方誤差？ 它們是否用於回歸問題？ 例如，我的 regressor.score(X_test,y_test)) 約為 0.99469。 那么測試模型與真實數據相比是 0.99469 嗎？ 還是你說的是 99% 的百分比？ 與 MAE 和 MSE 相同。

另一個問題是，我對分類問題的混淆矩陣感到困惑，准確度是從混淆矩陣中計算出來的值。 我使用多元線性回歸，那么我可以將這些指標用於我的回歸嗎？

Answer 1

通常， metrics.mean_absolute_error(y_true, y_pred)和metrics.mean_squared_error(y_true, y_pred)會給你相應的指標。

regressor.score(X_test, y_test)實際上是metrics.r2_score ，它是R^2 值，即可以解釋為模型解釋的方差量。 在您的情況下，您會說數據中 99.469% 的變化是由您的模型解釋的（對於訓練數據）。

檢查： https : //scikit-learn.org/stable/modules/model_evaluation.html#regression-metrics

和http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html

傳統上，混淆矩陣不用於回歸問題，但還有其他方法可以評估您的 mlr 模型，所有（對於sklearn ）都在上面鏈接

Answer 2

要回答您的第一個問題，諸如准確率之類的指標不能用於回歸問題。 是的，你是對的。 准確度是使用混淆矩陣計算的，但由於存在回歸問題，因此無法獲得混淆矩陣，因為它是分類問題的輸出，但存在回歸問題。

此外，回歸問題的正確指標是均方誤差、平均絕對誤差和 R 平方值。 默認情況下，regressor.score(X_test,y_test))函數給出 R 平方值。

為簡單起見，值越接近 1（在您的情況下為 0.99469），您的模型就越好。 看起來你的模型表現得非常好。