问题标签 [coefficient-of-determination]

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

现在，像这样取确定系数

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

我是机器学习的新手，我正在使用来自 kaggle.com 的房价数据集来解决回归问题。我想知道相关系数和相关确定之间的区别，以及为什么人们使用其中一个。例如，我可以像这样看到 YearBuild 和 SalePrice 之间的关系

现在，系数测定有什么用，为什么要使用

如果 R = Coeffiecient Corellation，则系数确定 = R x R

1. 是相关系数的百分比视图？
2. 是单个特征与其他特征的关系吗？

我有两个列表中的数据。一个是真实的（观察到的），一个是预测的。

我想把它放在一个图表中，以获得两个具有不同颜色的列表以及它们之间的线条，但即使经过我所有的研究，我也不知道如何将线条放入图表中。

这是我想要的样子。

现在，这是我显示两个列表的代码。我不知道在哪里放置我的 r_squared 变量。

我正在从你们的财务处下载股票数据。我正在尝试使用 ANN 生成股票交易信号。我得到的确定系数接近-1，预测似乎是镜像。有人可以建议。

我与其他 ML 获得了类似的确定系数。

这似乎很奇怪。

在尝试实现用于计算决定系数 R² 的 python 函数时，我注意到根据我使用的计算顺序，我得到了截然不同的结果。

R² 上的维基百科页面对如何计算 R² 给出了看似非常清晰的解释。我对 wiki 页面上所说的内容的 numpy 解释如下：

当我使用目标向量y和模型估计向量yhat尝试此方法时，此函数产生 -0.00301 的 R² 值。

但是，从讨论如何计算 R²的这个 stackoverflow 帖子中接受的答案给出了以下定义：

使用与以前相同的y和yhat向量的方法，我现在得到 0.319 的 R²。

此外，在同一个 stackoverflow 帖子中，很多人似乎赞成使用 scipy 模块计算 R²，如下所示：

在我的情况下产生0.261。

所以我的问题是：为什么从看似广为接受的来源产生的 R² 值彼此完全不同？计算两个向量之间的 R² 的正确方法是什么？

我有 2 个 numpy 数组，就像这样：

当我使用 SciKit Learn 计算 R 平方时，我得到的值与我计算 Pearson 相关然后对结果求平方时完全不同：

结果：
SciKit R2：0.15913

皮尔逊 R：(0.7617075766854164, 9.534162339384296e-05)
皮尔逊 R 平方：0.5801984323799696

我意识到，对于拟合不佳的模型（ https://stats.stackexchange.com/questions/12900/when-is-r-squared-negative），R平方值有时可能为负，因此皮尔逊相关性的平方是并不总是等于 R 平方。但是，我认为对于正 R 平方值，它总是等于 Pearson 的相关平方？这些 R 平方值有何不同？

我在 MPLUS 上运行 SEM，使用一个潜在变量和两个观察变量之间的 3 向交互。

这是代码：

因为，我正在使用潜在变量运行交互，所以我必须保持 TYPE=RANDOM。这意味着我无法获得 R 平方：

“标准（STD、STDY、STDYX）选项不适用于 TYPE=RANDOM”

如果有任何方法可以计算 r-square，我将不胜感激。

谢谢 ：）

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

此代码段返回：

这个代码段：

还返回：

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：

我得到了值（这是一个错误）：

因为，根据scikit learn 文档，它应该是 0.0。这是那里的代码片段：

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。

我使用Rglm.cluster()中的miceadds包中的函数估计了几个具有集群鲁棒标准错误的 glms。

不幸的是，该函数不会自动计算伪 R 平方。此外，我无法找到一个包来计算与glm.cluster. 到目前为止，我已经尝试过rcompanion's nagelkerke()，fmsb'sNagelkerkeR2()甚至psfmi's rsq_nagel()。

以前有没有其他人遇到过这个问题，你知道如何在不编写自己的函数的情况下解决它吗？

我正在挑战数据科学课程测验中的一个问题。我给出的答案是“信息不足”。测试人员声称答案是“R^2 = 1”。我无法从数学或概念上理解这一点。我用 SciKit 运行回归来学习测试它，但没有收到 R^2 = 1。

问题：如果 P = N，则样本的 R-Squared 将是： ? 其中，P：回归变量的数量 N：样本中的观察数量

在我提出一点地狱之前，我感谢您自愿提供的任何意见。:)