我从scikit的不同估算器得到不同的得分值 .
SVR(内核= 'rbf',C = 1e5,gamma = 0.1)0.97368549023058548
线性回归0.80539997869990632
DecisionTreeRegressor(max_depth = 5)0.83165426563946387
由于所有回归估计量都应使用R平方分数,我认为它们具有可比性,即分数越接近1,模型训练越好 . 但是,每个模型都单独执行得分功能,所以我不确定 . 请澄清 .
如果您有相似的管道将相同的数据提供给模型,那么指标是可比较的 . 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”度量标准来说,这可能是非常有趣的,它可能是学习底层机制的好方法 .
1 回答
如果您有相似的管道将相同的数据提供给模型,那么指标是可比较的 . 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”度量标准来说,这可能是非常有趣的,它可能是学习底层机制的好方法 .