Regression
應該R2R2R^2是根據訓練數據還是測試數據計算？
計算時線性回歸模型的值，應該在訓練數據集、測試數據集還是兩者上計算，為什麼？
此外，計算時和根據上面的維基百科文章，兩個總和是否應該在同一個數據集上？換句話說，如果計算在訓練數據集上，是否需要 也可以在訓練數據集上計算？（對於測試數據集也是如此。）
測試數據向您展示了您的模型的泛化程度。當您通過模型運行測試數據時，正是您一直在等待的時刻：它是否足夠好？
在機器學習領域，呈現所有訓練、驗證和測試指標是很常見的，但最重要的是測試準確性。
但是，如果你得到一個低 $ R^2 $ 一個得分，而不是另一個得分，那麼事情就錯了！例如，如果 $ R^2_{\text{test}}\ll R^2_{\text{training}} $ ，那麼它表明你的模型沒有很好地泛化。也就是說，如果您的測試集僅包含“看不見的”數據點，那麼您的模型似乎不會很好地推斷（也就是協變量移位的一種形式）。
總之：你應該比較它們！但是，在許多情況下，您最感興趣的是測試集結果。