from sklearn.metrics import accuracy_score
accuracy_score(y_true, y_pred)
我相信这段代码会返回我们预测的准确性。但是，我正在比较连续值的预测值和实际值，我相信它们中的大多数不会完全相同。
我是否应该拟合测试集值并绘制预测值以获得 R 平方？
谁能告诉我在连续变量的情况下如何衡量预测的准确性？
请您参考如下方法:
在机器学习中，精度是为离散值(类)定义的。它被定义为做出的总预测中正确预测的分数。
因此，预测值 319 而真实值为 320 仍然是不正确的预测。
因此不建议计算连续值的准确性。对于此类值，您可能希望计算预测值与真实值的接近程度。这种预测连续值的任务称为回归。并且一般使用R平方值来衡量模型的性能。
您可以使用 r2_score(y_true, y_pred)适合您的场景。
回归任务(连续变量预测)有多种指标，例如:-
- 均方误差，
- 平均绝对误差，
- 方差分数等
您可以获得有关这些指标的 sklearn 实现的更多信息 here .
