科学知识-学习- explained_variance_score

Question

我正在使用scikit-学习建立一个样本分类器，这是经过训练和测试的svm。现在我想分析分类器并找到得分，但是我不明白这个分数。例如，我得到了clf的分类报告，它看起来像.

             precision    recall  f1-score   support

        0.0       0.80      0.80      0.80        10
        1.0       0.80      0.80      0.80        10

avg / total       0.80      0.80      0.80        20 

不错，但电动车只是0.2，...sometimes，其-0.X...so，怎么会发生这种情况呢？有一辆好的电动汽车重要吗？也许有人能解释我这个..。

Y_true和Y_pred：

[ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.  0.  0.  0.  0.  0.  0.  0.  0.
  0.  0.]

[ 1.  1.  1.  1.  1.  0.  0.  1.  1.  1.  1.  0.  0.  0.  0.  0.  1.  0.
  0.  0.]

Answer 1

解释方差是一个回归度量，这对于分类问题没有很好的定义，没有必要将其应用于这样的测试。这是一种对支持向量回归、线性回归等模型进行验证的方法。

Answer 2

explained_variance_score，EVS告诉您模型解释了多少方差。最大值是1。越高越好的电动车是你的模型。