sklearn.base.RegressorMixin

class sklearn.base.RegressorMixin

Clase Mixin para todos los estimadores de regresión en scikit-learn.

Métodos

score

Devuelve el coeficiente de determinación $R^2$ de la predicción.

score()

Devuelve el coeficiente de determinación $R^2$ de la predicción.

El coeficiente $R^2$ se define como $(1-\frac{u}{v})$, donde $u$ es la suma de cuadrados de los residuos ((y_true - y_pred) ** 2).sum() y $v$ es la suma de cuadrados total ((y_true - y_true.mean()) ** 2).sum(). La mejor puntuación posible es 1.0 y puede ser negativa (porque el modelo puede ser arbitrariamente peor). Un modelo constante que siempre predice el valor esperado de y, sin tener en cuenta las características de entrada, obtendría una puntuación $R^2$ de 0.0.

Parámetros

Xarray-like de forma (n_samples, n_features)

Muestras de prueba. Para algunos estimadores puede ser una matriz núcleo precalculada o una lista de objetos genéricos con forma (n_samples, n_samples_fitted), donde n_samples_fitted es el número de muestras utilizadas en el ajuste para el estimador.

yarray-like de forma (n_samples,) o (n_samples, n_outputs)

Valores verdaderos para X.

sample_weightarray-like de forma (n_samples,), default=None

Ponderaciones de la muestra.

Devuelve

scorefloat

$R^2$ de self.predict(X) con respecto a y.

Notas

La puntuación $R^2$ utilizada al invocar a score en un regresor usa multioutput='uniform_average' de la versión 0.23 para mantener la consistencia con el valor predeterminado de r2_score. Esto influye en el método score de todos los regresores de salida múltiple (excepto para MultiOutputRegressor).