我正在使用r2_score()方法来评估使用 scikit learn 的回归问题。正如我们所知，我们应该得到 0.0 表示预测的决定系数 R^2。但是当我这样做时，我会得到 2.220446049250313e-16 。
这是代码
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import load_boston
import pandas as pd
boston=load_boston()
target=boston['target']
boston=pd.DataFrame(data=boston['data'],columns=boston['feature_names'])
boston['target']=target
x=boston.drop('target',axis=1)
y=boston['target']
np.random.seed(42)
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2)
model=RandomForestRegressor().fit(x_train,y_train)
model.score(x_test,y_test,)
此代码段返回：
0.873969014117403
这个代码段：
from sklearn.metrics import r2_score
y_preds=model.predict(x_test)
r2_score(y_test,y_preds)
还返回：
0.873969014117403
但是当我运行这个代码段时，我将测试值的平均值与它们的平均值进行比较：
y_test_mean=np.full(len(y_test),y_test.mean())
r2_score(y_test,y_test_mean)
我得到了值（这是一个错误）：
2.220446049250313e-16
因为，根据scikit learn 文档，它应该是 0.0。这是那里的代码片段：
>>> y_true = [1, 2, 3]
>>> y_pred = [2, 2, 2]
>>> r2_score(y_true, y_pred)
0.0
我正在使用 google colaboratory 进行工作。谁能帮我弄清楚，为什么会出现错误？谢谢你。