Classification
用於分類的神經網絡的 R 平方分數的解釋
我的神經網絡有一個0.30 分。我所知道的是它不是零也不是負數，所以它不是超級糟糕，也不是接近一，所以它並不完美，但除此之外很難找到任何更有用的信息。
**是甚至是分類的好衡量標準？**簡化我的網絡告訴某事物是 A 還是 B，那麼0.3的分數能說一下嗎？
我使用以下命令
sklearn：r2_scorer2_score sklearn
不是評估分類擬合優度的好方法。
適用於預測連續變量。當因變量是連續的通常取值之間和（例如，在線性回歸中，不可能有超出這些邊界），並且它被解釋為模型能夠正確再現的因變量的方差份額。什麼時候等於這意味著模型能夠完全重新創建因變量，當它等於，這意味著模型在這個任務上完全失敗了。
當因變量是分類變量時，它沒有意義，因為使用預測值和實際值之間的距離，而假設“1”表示“A”類，“2”表示“B”類，“3”表示“C”類之間的距離沒有意義。
使用其他度量，例如AUC 用於具有兩個類的分類和對數損失用於具有更多類的分類。並確保您在模型中使用適當的參數：在許多機器學習模型中，您必須聲明問題是屬於分類還是回歸性質，並且會顯著影響結果。