Python “如何看多远”；关「；我的机器学习预测是什么？

所以我基本上得到了一个机器学习算法，准确率为20%

这不是很高，但我想知道我的算法平均有多接近

因此，如果它预测的值为69，测试数据中的实际值为68，并且在整个过程中都有误差，那么我可以将其用于我使用它的目的，即在数据集中填充缺失的数据

有什么简单的方法可以做到这一点吗

我的代码片段：

def predict_score_industry(df):

    coi = ['score_teaching',
           'score_research',
           'score_citation',
           'score_int_outlook',
           ]

    not_nans = df['score_industry'].notnull()
    df_notnans = df[not_nans]

    x = np.array(df_notnans[coi])
    y = np.array(df_notnans['score_industry'])

    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

    clf = LinearRegression()
    clf.fit(x_train, y_train)

    print("score_industry: ", clf.score(x_test, y_test))

    df_nans = df.loc[~not_nans].copy()
    df_nans['score_industry'] = clf.predict(df_nans[coi])
    df.score_industry.fillna(df_nans.score_industry, inplace=True)

    return df

它基本上会获取所有未填充的值并预测它们，它读取的数据帧如下所示：

> print(df.info())
Data columns (total 15 columns):
university_name       2884 non-null object
country               2884 non-null object
ranking               2884 non-null int64
no_student            2884 non-null int64
no_student_p_staff    2884 non-null float64
pct_intl_student      2884 non-null float64
year                  2884 non-null int64
score_overall         2884 non-null float64
score_teaching        2884 non-null float64
score_research        2884 non-null float64
score_citation        2884 non-null float64
score_industry        2884 non-null float64
score_int_outlook     2884 non-null float64
male                  2884 non-null float64
female                2884 non-null float64 

---

部分答案，希望能帮助你澄清一些问题

所以我基本上得到了一个机器学习算法，准确率为20%

由于您处于回归设置中，根据定义，您的分数不能是准确度，这仅在分类问题中有意义

我只是打印了x_测试和y_测试数组的分数

是的，您在scikit learn中实际使用了

线性回归

模型的

得分

方法，该方法返回（R^2）；从：

得分

（X，y，样本重量=无）

返回预测的确定系数R^2

系数R^2定义为（1-u/v），其中u是平方的剩余和（（y_真-y_pred）**2）。sum（）和v是 总平方和（（y_真-y_真.mean（））**2.sum（）。最好的 可能得分为1.0，并且可能为负值（因为模型可能为 （更糟）。总是预测预期结果的常数模型 不管输入特征如何，y的值将得到R^2分 0.0

可以说，R^2很少用于机器学习环境，其中要求是预测能力（主要由统计学家使用，其中要求通常是模型的解释力）

在回归设置中，什么指标是有价值的

---

（MSE）及其变量是回归问题中最常用的度量。检查scikit学习中可用于回归的分数。

你不能有“20%的准确率”（或任何其他数字），因为你处于回归设置中，且准确率仅在分类设置中有意义……哦，真的吗？我只是打印了x_测试和y_测试数组的分数。在回归设置中，什么指标是有价值的？