อะไรคือความแตกต่างระหว่าง

ผมอ่านเกี่ยวกับเมตริกถดถอยในหลาม scikit การเรียนรู้ด้วยตนเองและแม้ว่าหนึ่งของพวกเขาแต่ละคนมีสูตรของตัวเองฉันไม่สามารถบอกสังหรณ์ใจว่าอะไรคือความแตกต่างระหว่างและคะแนนความแปรปรวนและดังนั้นเมื่อจะใช้อย่างใดอย่างหนึ่งหรืออื่นในการประเมิน โมเดลของฉัน$R^2$

1. $R^2 = 1- \frac{SSE}{TSS}$

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$ที่$\mathrm{Var}$จะลำเอียงแปรปรวนเช่น$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$ . เมื่อเทียบกับ$R^2$ความแตกต่างเพียงอย่างเดียวคือจากค่าเฉลี่ย (ข้อผิดพลาด) ถ้า mean (error) = 0 ดังนั้น$R^2$ = อธิบายคะแนนความแปรปรวน

3. $R^2$

คำตอบของคณบดีนั้นถูกต้อง

$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

การอ้างอิงของฉันคือซอร์สโค้ดของ sklearn ที่นี่: https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396