机器学习的R2

原创

mob64ca12e91aad 2024-05-13 03:32:18 ©著作权

文章标签 拟合饼状图甘特图 文章分类 机器学习人工智能

©著作权归作者所有：来自51CTO博客作者mob64ca12e91aad的原创作品，请联系作者获取转载授权，否则将追究法律责任

机器学习的R2是什么？

在机器学习领域，R2（R-squared）是一种用来评估模型拟合度的常用指标。通过R2值，我们可以了解模型对数据的拟合程度，即模型对实际数据的解释能力。

R2值的范围通常在0到1之间，越接近1表示模型对数据的拟合程度越好，0表示模型不拟合数据。在实际应用中，我们希望通过调整模型参数，提高R2值，使得模型的预测能力更好。

R2的计算方法

R2值的计算方法是通过比较模型预测值和实际值的差异来评估模型的拟合程度。其计算公式如下：

R2 = 1 - (Σ(y_true - y_pred)^2) / Σ(y_true - y_mean)^2

其中，y_true表示实际值，y_pred表示模型预测值，y_mean表示实际值的均值。

代码示例

下面我们通过一个简单的Python示例来计算R2值，并绘制饼状图和甘特图来展示结果。

import numpy as np
from sklearn.metrics import r2_score
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(0)
y_true = np.random.randint(0, 100, 100)
y_pred = np.random.randint(0, 100, 100)

# 计算R2值
r2 = r2_score(y_true, y_pred)
print(f"R2 Score: {r2}")

# 绘制饼状图
labels = ['True', 'Pred']
sizes = [np.sum(y_true), np.sum(y_pred)]
fig1, ax1 = plt.subplots()
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)
ax1.axis('equal')
plt.show()

pie
    title R2 Score
    "True": 50
    "Pred": 60

gantt
    title R2 Score
    dateFormat YYYY-MM-DD
    section True
    Task 1 : 2023-01-01, 2d
    section Pred
    Task 2 : 2023-01-03, 2d

在以上代码中，我们首先生成了随机的实际值y_true和预测值y_pred，然后使用r2_score函数计算了R2值，并将结果打印出来。接着我们使用Matplotlib库绘制了饼状图，展示了实际值和预测值的占比。最后，使用mermaid语法绘制了甘特图，展示了实际值和预测值的时间分布情况。

通过以上示例，我们可以更直观地了解R2值的计算方法以及如何通过饼状图和甘特图来展示模型的拟合情况。