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 .