scikit-learn - explained_variance_score

Question

我正在使用scikit-learn构建一个样本分类器，该分类器由svm训练和测试。现在我想分析分类器，找到explained_variance_score，但我不明白这个分数。例如，我收到了clf的分类报告，它看起来像这样。。。

             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 

还不错，但EVS只是0.2。。。有时它的CCD_ 2。。。那么这怎么会发生呢？拥有一个好的EVS重要吗？也许有人能解释一下。。。

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

解释方差是回归度量，这对于分类问题没有很好的定义，将其应用于此类测试毫无意义。这是一种验证支持向量回归、线性回归等模型的方法。

Answer 2

explained_variance_score，EVS告诉您的模型解释了多少方差。最大值为1。EVS越高，您的型号越好。