比较不同估算值的分数是否正确?

问题描述:

我从scikit的不同评估者获得不同的评分值。比较不同估算值的分数是否正确?

  1. SVR(内核= 'RBF',C = 1E5,γ= 0.1)0.97368549023058548
  2. 线性回归0.80539997869990632
  3. DecisionTreeRegressor(MAX_DEPTH = 5)0.83165426563946387

由于所有回归估计应使用R平方得分,我认为他们是可比较的,即得分越接近1,模型训练得越好。但是,每个模型都单独实现分数功能,所以我不确定。请澄清。

+0

这和python有什么关系? – stybl

+0

我忘了提及。这些值是使用scikit获得的,python用于切片和切块数据。 – dknight

+0

在scikit-learn中,所有回归估计器默认使用'score()'函数的“R_Squared”度量,所以它可以很好地比较你提到的这3个分数,如果scorer没有被手动修改和使用相同的数据。 –

如果您有类似的管道将相同的数据输入模型,那么这些指标是可比较的。您可以毫无疑问地选择SVR模型。

顺便说一下,对于“重新开发”这个“R_squared”度量标准可能非常有趣,它可能是学习底层机制的一个好方法。