sklearn.base.RegressorMixin?
class sklearn.base.RegressorMixin
Mixin類用于scikit-learn中的所用分類器。
方法
| 方法 | 說明 |
|---|---|
score(self, X, y[, sample_weight]) |
返回預測的決定系數R^2。 |
__init__(self, /, *args, **kwargs)
初始化self. See 請參閱help(type(self))以獲得準確的說明。
score(self, X, y, sample_weight=None)
[源碼]
返回預測的決定系數R^2。
系數R^2 被定義為(1-u/v)，其中u是殘差平方和((y_true-y_pred)**2).sum()，v是總平方和((y_true-y_true.mean())**2).sum()。最好的分數是1.0，它可以是負的(因為模型可以任意惡化)。一個總是預測y的期望值的常數模型，不考慮輸入特征，則得到R^2的分數為0.0。
| 參數 | 說明 |
|---|---|
| X | array-like of shape (n_samples, n_features) 測試樣本。對于某些估計器來說，這可能是一個預先計算的核矩陣或一個泛型對象的列表，shape = (n_samples, n_samples_fitted)，其中n_samples_fitted是用于對估計器進行擬合的樣本數。 |
| y | array-like of shape (n_samples,) or (n_samples, n_outputs) X的真實值。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重 |
| 返回值 | 說明 |
|---|---|
| score | float self.predict(X)和y的R^2 |
注
在0.23版本中， 一個回歸器上調用 score時，使用的R^2是使用的multioutput='uniform_average'，以保持與r2_score的默認值一致。這會影響所有多輸出回歸者的 score 方法(多輸出回歸器除外)。