Автор оригинала: Pankaj Kumar.

Коэффициент определения – r в квадрате значения в Python

Здравствуйте, читатели! В этой статье мы будем сосредоточиться на Коэффициент определения в питоне. Итак, давайте начнем! 🙂.

Какой коэффициент определения (r в квадрате)?

Перед погружением глубоко в концепцию Коэффициент определения Давайте сначала понять необходимость оценки модели обучения машины посредством метрик ошибок.

В области науки о данных для решения любой модели для инженера/разработчика очень необходимо оценить эффективность модели перед применением ее к набору данных. Оценка модели основана на определенных метриках ошибок. Коэффициент определения является одним из таких ошибок метрики.

Коэффициент определения также широко известен как r квадратное значение, это Ошибка регрессии метрики Чтобы оценить точность и эффективность модели на значениях данных, к которым она будет применяться.

R квадратные значения описывают производительность модели. Он описывает изменение в ответной или целевой переменной, которая предсказана независимыми переменными модели данных.

Таким образом, в простых словах мы можем сказать, что значение R Square помогает определить, насколько хорошо модель смешивается и насколько хорошо выходное значение объясняется определением (независимыми) переменными набора данных.

Значение квадратных диапазонов R [0,1]. Посмотрите на формулу ниже!

R 2 = 1- сс res. /SS катушка

Здесь,

• SS _res Представляет сумму квадратов остаточных ошибок модели данных.
• SS _Tot представляет общую сумму ошибок.

Высшее значение R квадратное значение, лучше модель и результаты Отказ

R квадрат с Numpy Library

Теперь попробуем реализовать квадрат R с использованием Numpy Python Numpy.

Мы следуем указанным ниже шагам, чтобы получить значение R Square, используя Numpy Module:

1. Рассчитать Корреляция матрицы Использование numpy.corkorceef () функция.
2. Нарежьте матрицу с индексами [0,1], чтобы получить значение R I.e. Коэффициент корреляции Отказ
3. Квадрат ценность r, чтобы получить значение квадрата R.

Пример:

import numpy
actual = [1,2,3,4,5]
predict = [1,2.5,3,4.9,4.9]

corr_matrix = numpy.corrcoef(actual, predict)
corr = corr_matrix[0,1]
R_sq = corr**2

print(R_sq)

Выход:

0.934602946460654

R квадрат с библиотекой Python Sklearn

Теперь, давайте попробуем рассчитать стоимость квадрата R, используя библиотеку Sklearn. Библиотека Python Skleann предоставляет нам функцию R2_SCORE () для определения значения коэффициента определения.

Пример:

from sklearn.metrics import r2_score 
a =[1, 2, 3, 4, 5] 
b =[1, 2.5, 3, 4.9, 5.1] 
R_square = r2_score(a, b) 
print('Coefficient of Determination', R_square) 

Выход:

Coefficient of Determination 0.8929999999999999

Заключение

По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом. Для более таких постов, связанных с Python, оставаться настроенными и до тех пор. Счастливое обучение !! 🙂.