R方计算步骤

R方可以用于评估回归模型对现实数据拟合的程度。

图片来源：哈尔滨工业大学，深度学习基础，刘远超

import numpy as np


def R_2(y, y_hat):
    '''
    计算R方
    :param y: 实际值
    :param y_hat: 预测值
    :return:
    '''
    # 均值
    y_mean = np.mean(y)
    # 残差平方和
    res = np.sum(np.power((y - y_hat), 2))
    print('res={}'.format(res))
    # 样本总离差平方和
    tss = np.sum(np.power((y - y_mean), 2))
    print('tss={}'.format(tss))
    # R方
    r = 1 - res / tss
    print(r)

用上面图片中的数据，测试一下：

y = [11, 8.5, 15, 18, 11]
y_hat = [9.775, 10.75, 12.70, 17.58, 13.68]

R_2(np.array(y), np.array(y_hat))

输出结果：

res=19.211925
tss=56.8
0.6617618838028169

sklearn有R2的实现

from sklearn.metrics import r2_score

y = [11, 8.5, 15, 18, 11]
y_hat = [9.775, 10.75, 12.70, 17.58, 13.68]

r = r2_score(y, y_hat)
print(r)

输出：0.6617618838028169