在Python中，计算R2（决定系数）通常使用`sklearn.metrics`模块中的`r2_score`函数。以下是使用`r2_score`函数计算R2的步骤：
1. 导入`r2_score`函数：
from sklearn.metrics import r2_score
2. 准备测试集（`y_test`）和预测值（`y_pred`）：
y_test = [3, -0.5, 2, 7]y_pred = [2.5, 0.0, 2, 8]
3. 调用`r2_score`函数计算R2值：
r2 = r2_score（y_test, y_pred）print（"R2 score:", r2）
R2值的范围是0到1，越接近1表示模型的拟合效果越好。
如果你需要手动实现计算R2的函数，可以参考以下代码：
import numpy as npdef r2_manual（y_test, y_pred）:SStot = np.sum（（y_test - np.mean（y_test）） 2）SSres = np.sum（（y_test - y_pred） 2）r2 = 1 - SSres / SStotreturn r2
使用这个函数计算R2值的步骤与使用`r2_score`类似，只需将测试集和预测值传入函数即可。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://sigusoft.com/bj/113484.html