sklearn.base.RegressorMixin¶
class sklearn.base.RegressorMixin
Mixin类用于scikit-learn中的所用分类器。
方法
| 方法 | 说明 |
|---|---|
score(self, X, y[, sample_weight]) |
返回预测的决定系数R^2。 |
__init__(self, /, *args, **kwargs)
初始化self. See 请参阅help(type(self))以获得准确的说明。
score(self, X, y, sample_weight=None)
[源码]
返回预测的决定系数R^2。
系数R^2 被定义为(1-u/v)，其中u是残差平方和((y_true-y_pred)**2).sum()，v是总平方和((y_true-y_true.mean())**2).sum()。最好的分数是1.0，它可以是负的(因为模型可以任意恶化)。一个总是预测y的期望值的常数模型，不考虑输入特征，则得到R^2的分数为0.0。
| 参数 | 说明 |
|---|---|
| X | array-like of shape (n_samples, n_features) 测试样本。对于某些估计器来说，这可能是一个预先计算的核矩阵或一个泛型对象的列表，shape = (n_samples, n_samples_fitted)，其中n_samples_fitted是用于对估计器进行拟合的样本数。 |
| y | array-like of shape (n_samples,) or (n_samples, n_outputs) X的真实值。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重 |
| 返回值 | 说明 |
|---|---|
| score | float self.predict(X)和y的R^2 |
注
在0.23版本中， 一个回归器上调用 score时，使用的R^2是使用的multioutput='uniform_average'，以保持与r2_score的默认值一致。这会影响所有多输出回归者的 score 方法(多输出回归器除外)。
