采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
R squared 是相关系数的平方吧,但是和视频中给的公式真的一样么。平方不能是负数,但是视频中的计算却可以是负数
这两个概念不一样。但是,对于线性回归,使用最小二乘法得到的拟合结果,其 r squared 和相关系数的平方是一致的。如果你推导一下,是可以得到此时的 r squared 为正的。
但是,r squared 是一个“通用的”描述回归算法拟合程度的指标,他不一定描述线性回归的结果,也不一定是按照最小二乘的标准(MSE)进行拟合的结果。只要拟合出了一个方程,有 y hat,就可以用 R squared 去评判拟合结果的好坏。
继续加油!:)
您能给出一个简单数据集出现负R squared 的例子么。我构造出了r ^ 2 =0. 其次,r本身的计算和线性回归最小二乘本身无关,那为何不用线性回归结果会出现负数
比如三个数据点的 y(i) 是 1,2,3,但是我们的得到的预测曲线是 y = 100000,即对任意数据点,y_hat 都是 100000。当你选择使用最小二乘法的时候,r^2 的计算和最小二乘法有关,因为 y_hat 得到的结果是最小二乘法的到的直线在数据点上的结果。我举的拟合出的曲线是 y = 100000,最小二乘法永远不会得到这个结果。
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.6k 19
3.5k 17
3.0k 15
1.7k 15
1.5k 14