Python 无法获得我的线性预测的准确度分数

我正在基于IMDB数据建立回归模型，以预测IMDB值。在我的线性回归中，我无法获得准确度分数

我的代码行：

metrics.accuracy_score(test_y, linear_predicted_rating)

错误：

ValueError: continuous is not supported

如果我改变那条线来获得r2分数

metrics.r2_score(test_y,linear_predicted_rating)

我能够毫无差错地获得r2。 知道我为什么看到这个吗

谢谢

编辑：

---

我发现，

test\u y

是panda数据帧，而

linear\u predicted\u rating

是numpy数组格式

metrics.Accurance\u分数用于衡量分类准确度，但不能用于衡量回归模型的准确度，因为看到回归的准确度是没有意义的——预测很少能等于预期值。如果预测值与预期值相差1%，那么准确度将为零，尽管这些预测非常棒

---

以下是一些回归指标：

您的变量是什么样子的。下面的代码运行良好

from sklearn import metrics
test_y, linear_predicted_rating = [1,2,3,4], [1,2,3,5]
metrics.accuracy_score(test_y, linear_predicted_rating)

---

注意：准确度（例如分类准确度）是分类的衡量标准，而不是回归，因此我们无法计算回归模型的准确度。对于回归，我们得到分数的矩阵之一（模糊地称为准确度）是R平方（R2）

通过相应地更改逻辑，您可以使用

得分（X，y，sample\u weight=None）

函数从

线性回归中获得预测的R2得分（即准确性），如下所示

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(x_train,y_train)
r2_score = regressor.score(x_test,y_test)
print(r2_score*100,'%')

输出（我的型号的空调）

以上为R平方值，而非精度：

# R squared value
metrics.explained_variance_score(y_test, predictions)

您无法预测回归模型的精度，但是您可以使用绝对平均误差、均方误差、均方根误差、最大误差、中位误差R平方等分析您的模型。
供参考
你可以去获取更多的知识
线性预测评分似乎在np数组中，而测试是熊猫数据帧。；当我使用度量时，它工作得很好。r2评分（测试y，线性预测评分）。太好了！感谢链接，看起来回归没有准确度指标。因为看到回归的准确度没有意义——预测很少能等于预期值。如果预测值与预期值相差1%，那么准确度将为零，尽管这些预测非常棒。我认为r^2解释的方差就是准确度
# R squared value
metrics.explained_variance_score(y_test, predictions)