分数的不同意味着什么？

Question

我已经建立了线性回归模型，在训练和验证集上我得到了两个不同的分数，这是什么意思？这是我得到的结果火车数据得分：0.8802644749581061验证数据得分：0.7124061878004602

注意：-我尚未使用我的测试仪。

我建立了一个ML模型（线性回归），然后检查了训练部分和验证部分的分数：

reg = LinearRegression().fit(X_train, y_train)
reg.score(X_train, y_train)

这是这行代码的内容：

火车数据：0.8802644749581061

验证数据：0.7124061878004602

Answer 1

从scikit-learn网站，我们可以知道该分数：

返回预测的确定系数R ^ 2。

系数R ^ 2定义为（1-u / v），其中u是平方的残差和（（y_true-y_pred）** 2）.sum（）和v是平方的总和（（（ y_true-y_true.mean（））** 2）.sum（）。可能的最高得分为1.0，并且可能为负（因为该模型可能会更差）。不管输入特征如何，始终预测y的期望值的恒定模型将得到0.0的R ^ 2分数。]

在您的情况下，训练数据的R ^ 2值高于验证数据，这意味着模型过度拟合。