sklearn 指标 精度测量单位、平均绝对误差、回归问题的平均平方误差？

Question

哪个测量单位具有sklearn指标的准确性，平均绝对误差和均方误差？它们是否用于回归问题？例如，i 的 regressor.score（X_test，y_test））约为 0.99469。所以与实际数据相比，测试的模型是0.99469？还是说99%的百分比？MAE和MSE也是如此。

另一个问题是，我对分类问题的混淆矩阵和准确性是混淆矩阵计算出来的值。我使用多元线性回归，那么我可以将这些指标用于我的回归吗？

Answer 1

要回答第一个问题，准确性等指标不能用于回归问题。是的，你是对的。准确性是使用混淆矩阵计算的，但由于您有一个回归问题，因此您无法获得混淆矩阵，因为它是分类问题的输出，但您有一个回归问题。此外，回归问题的正确指标是均方误差、均值绝对误差和 R 平方值。默认情况下，regressor.score（X_test，y_test）） 函数给出 R 平方值。为了简化此操作，该值越接近 1（在本例中为 0.99469），您的模型就越好。而且看起来你的模型表现得非常好。

Answer 2

通常，并会为您提供相应的指标。metrics.mean_absolute_error(y_true, y_pred)metrics.mean_squared_error(y_true, y_pred)regressor.score(X_test, y_test)实际上是R^2值，即可以解释为模型解释的方差量。在你的例子中，你会说99.469%的数据变化是由你的模型（对于训练数据）解释的。metrics.r2_score检查：https://scikit-learn.org/stable/modules/model_evaluation.html#regression-metrics和 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html传统上，混淆矩阵不用于回归问题，但还有其他方法可以评估mlr模型，所有（对于）都在上面链接sklearn