2016-06-13 3 views
-3

Я использую модель линейной регрессии для прогнозирования данных о погоде в течение одного года. Прогнозирование выполняется с использованием библиотеки sklearn Python. Проблема в том, что мне нужно найти точность предсказания. После быстрого поиска в Интернете я узнал, что r^2 - это способ узнать точность. Я вычислил значение r следующим образом:вычислить точность с использованием значения r

r value 
0.0919309031356 
Coefficients: 
[-20.01071429 0.  ] 
Residual sum of squares: 19331.78 
Variance score: -0.23 

Проблема в том, что мне нужно показать точность в процентах. Как мне это сделать? Нужно ли использовать инструмент, чтобы узнать точность?

ответ

1

Может быть, этот вопрос является более сложным, чем я думаю, но почему бы не просто

r = str((r**2) * 100) + '%' 
+0

так, например, в процентах должно быть 9.19309031356 right –

+0

Сначала вам нужно сначала задать значения r, что более 0,84%, что является жалкой величиной r-квадрата по моему скромному мнению. –

+0

Да, это ужасное значение r. Все равно, спасибо за помощь –

0

Для задач регрессии, вы можете использовать следующие показатели для определения качества подгонки (http://scikit-learn.org/stable/modules/model_evaluation.html#regression-metrics):

  • Ошибка среднего квадрата. Fit хорош, когда значение как можно ниже
  • R^2 оценка. Fit хорош, когда значение равно 1 или близко к нему.

Вы также можете вычислить ошибку прогноза: (Фактическое значение - Прогнозируемая стоимость)/Фактическое значение.

Однако я не уверен, является ли это общей метрикой для оценки линейной регрессии.

Смежные вопросы