r2_score的用法
时间: 2024-04-15 15:30:42 浏览: 57
`r2_score` 是评估回归模型预测性能的一种指标,它的取值范围在 0 到 1 之间,越接近 1 表示模型的预测效果越好。在 scikit-learn 中,可以通过 `r2_score` 函数来计算模型的 R2 分数。
`r2_score` 函数的用法如下:
```python
from sklearn.metrics import r2_score
r2_score(y_true, y_pred, sample_weight=None, multioutput='uniform_average')
```
其中,参数含义如下:
- `y_true`:真实的目标值。
- `y_pred`:模型预测的目标值。
- `sample_weight`:样本权重,默认为 None。
- `multioutput`:定义多输出的数据如何处理。可以选择 'raw_values', 'uniform_average' 或者 'variance_weighted',默认为 'uniform_average'。
示例代码如下:
```python
from sklearn.metrics import r2_score
import numpy as np
# 生成随机数据
y_true = np.random.rand(10)
y_pred = np.random.rand(10)
# 计算 R2 分数
r2 = r2_score(y_true, y_pred)
print('R2 Score:', r2)
```
输出结果:
```
R2 Score: -0.10749811867786231
```
需要注意的是,R2 分数可以为负值,表示模型的预测效果比随机预测还要差。