我正在阅读文档以了解确定系数，从文档中我了解到确定系数不过是 R x R（相关系数）
所以我从 kaggle.com 获取房价数据集并开始尝试以更好地理解，这是我的代码
取相关系数
test_data=pd.read_csv(r'\house_price\test.csv')
_d=test_data.loc[:,['MSSubClass','LotFrontage']]
_d.fillna(0,inplace=True)
_d.corr()
现在，像这样取确定系数
from sklearn.metrics import r2_score
r2_score(_d['MSSubClass'],_d['LotFrontage'])
为此，我得到了值-0.9413195412943647
理想情况下不应该是0.060531252961吗？如-0.246031 x -0.246031 = 0.060531252961
您所引用的“文档”只是一篇描述 R2 众多变体之一的博文。我建议阅读官方scikit-learn文档以了解它们在r2_score.
简而言之，0 值意味着该模型与仅预测目标变量的期望值（即均值）的模型没有任何不同。另一方面，值为 1 意味着该模型是完美的，其预测没有错误。但是，这是与您提供的博文所述的主要区别，您会看到它允许负值，因为模型的性能可能比简单地预测目标变量的预期值更差。
这就是在你r2_score的scikit-learn情况下告诉你的：你拟合的模型更糟，即平均产生更高的误差，而不是仅仅预测房价的平均值。
遵循文档：https ://scikit-learn.org/stable/modules/model_evaluation.html#r2-score
r2_score 定义为：
该df.corr方法在哪里（具有皮尔逊相关性）：
所以让我们构建一个例子：
x y
1 1
1 0
0 0
1 1
相关性：4*(1+0+0+1) - 3*2 / sqrt(4*(3-9)*4*(2-4)) = 8-6/ sqr(-24*4*-8) = 2/sqr(-24*4*-8)
只要 R2 是：1-((0)^2+(1)^2+(0)^2+(0)^2) / (1-0.75)^2+(1-0.75)^2+(0 - 0.75)^2 +(1-0.75)^2
希望有帮助