Python 为什么我在使用sklearn R2函数时得到nan？

我总是用

sklearn

模型预测下一个值

y1_test, y2_test, y3_test, y4_test = get_test_targets(df)

ypred1, ypred2, ypred3, ypred4 = ml_model(df, ElasticNet())

我想使用sklearn来测量

y\u true

和

y\u predicted

的r2分数

np.array([y2_test])
>> array([6.75233645])

np.array([ypred2[0]])
array([6.75233645])

使用

r2_分数（np.array（[y2_测试]），np.array（[ypred2[0]]）

给出

nan

---

我不明白为什么我会收到

nan

有一条警告告诉您出了什么问题：

import numpy as np
from sklearn.metrics import r2_score

x = np.array([2.3])
y = np.array([2.1]) # exact values do not matter

r2_score(x, y)

结果:

UndefinedMetricWarning: R^2 score is not well-defined with less than two samples.
  warnings.warn(msg, UndefinedMetricWarning)

nan

这并不奇怪：R^2的

R^2 = 1 - (total_sum_squares)/(residual_sum_squares)

但是只有一个样本，分数的命名和分母都是0，导致

0/0

除法，这实际上是

nan

（计算上和数学上）

底线：您不应该只使用一对数据来计算R^2；为了得到有意义的R^2结果，将更多对预测和地面真相样本批处理在一起