决定系数 R² 的理解
2025-04-09 乐帮网
大数据模型
1. 什么是 R²？
R² 的本质是衡量 回归模型对数据的拟合程度，即模型能够解释因变量（目标变量）变异的比例。其取值范围通常在 0 到 1 之间，具体含义如下：
R²=1：模型完美拟合数据，所有数据点都被模型准确预测（理想情况，但几乎不可能）。- R²=0：模型的预测能力与直接使用均值预测的效果一样，说明模型没有学习到有效信息。
- R²<0：模型比简单的均值预测还要差，可能是模型选择不当或过拟合/欠拟合所致。
简单来说，R² 越接近 1，说明模型拟合效果越好，但需要注意的是，R² 高并不一定意味着模型真的“优秀”，后面我们会详细讨论它的局限性。
2. R² 的计算公式
R² 的数学定义如下：
R2=1−∑(yi−y^i)2∑(yi−y¯)2
其中：
- yi ：真实值（实际观测数据）
- y^i ：模型预测值
- y¯ ：真实值的均值，即： y¯=1n∑yi
- 残差平方和（RSS，Residual Sum of Squares）： RSS=∑(yi−y^i)2 反映了模型预测误差的总量。
- 总平方和（TSS，Total Sum of Squares）： TSS=∑(yi−y¯)2 反映了数据的总体变异性。
R² 其实是衡量 RSS 在 TSS 中所占的比例：
- 如果 RSS 很小（模型预测误差小），R² 就接近 1，说明模型很好地拟合了数据。
- 如果 RSS 很大（接近 TSS），R² 就接近 0，说明模型几乎没有学习到有用信息。
关注我的微信公众号
在公众号里留言交流
投稿邮箱：1052839972@qq.com
庭院深深深几许？杨柳堆烟，帘幕无重数。
玉勒雕鞍游冶处，楼高不见章台路。
雨横风狂三月暮。门掩黄昏，无计留春住。
泪眼问花花不语，乱红飞过秋千去。
如果感觉对您有帮助
欢迎向作者提供捐赠
这将是创作的最大动力