如何確保我的R^2分數？

Question

我有一個包含10列和158行的數據集。我嘗試預測我的測試數據集是1列，158行。

我做了交叉驗證，網格搜索和使用ElasticNet算法。

在評估模型之前，我檢查了10列之間的皮爾遜相關性，我用它來訓練我的模型和我試圖預測的其他1列。相關性不好，但當我評估模型時，R^2得分接近0.98。

我該如何確保這個分數是有把握的？因爲我沒有想到這樣的R^2。這是我期望的太高。

在此先感謝。

Answer 1

一個好的模型可以使R^2得分接近1.0。這意味着學習模型非常適合測試數據。如果您預測的是連續值，則可以繪製並檢查實際值和預測值。它可以更好地描繪你的模型。

此外，您可以嘗試使用不同的錯誤度量標準，例如均方根誤差，均方誤差或絕對誤差以及迴歸和準確度，ROC曲線或混淆矩陣，以確保您的模型真的很好。

另一個重要的是，你不能真正比較皮爾遜係數和R^2得分。具有低皮爾遜係數的特徵可以導致具有良好R^2得分的模型，反之亦然。

這是因爲皮爾遜相關只是給你變量之間的線性依賴。在你的情況下，相關性的低值意味着你的特徵和目標不是線性相關的。這也可能意味着，這些特徵非線性高度相關（這可能是一個好的R^2評分模型的原因）。所以，皮爾遜係數的低值並不意味着你的功能不好。如果您真的想測試您的功能是否良好，請嘗試使用不同的相關係數，例如距離關聯或等級關聯。

功能評估或選擇的其他替代方法是在scipy中使用Feature selection模塊。

希望，這回答你的問題！