为您的第一个模型评分
读取模型的评分方法
为您的第一个模型评分 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
它到底好不好
训练模型只是工作的一半。接下来要问真正的问题：它的预测效果究竟如何？🧐
score 方法
每个估计器都提供一个 score 方法，用一个数字概括性能。一次调用，就能快速得出结论。
model.score(X_test, y_test)score 需要真实答案
您需要同时传入特征和真实答案，这样 score 才能将预测结果与实际发生的情况进行比较。
回归报告什么
对于回归器，score 会返回R²：模型能够解释的目标变量变化比例。
解读 R²
R²为 1.0 表示完美拟合，0.0 表示不比猜测平均值更好。数值越高越好，而且它甚至可能为负数。
使用测试数据，不要重复使用训练数据
始终使用模型从未见过的数据进行评分。训练得分很高、测试得分却很差，是过拟合的典型表现。
超越内置功能
如果需要更细致的信息，metrics 模块提供了许多度量指标。您可以使用选定的函数，直接比较真实值和预测值。
from sklearn.metrics import mean_absolute_error以原单位表示的平均误差
平均绝对误差告诉您目标变量原始单位下的典型偏差。向任何人解释它都非常容易。
mean_absolute_error(y_test, y_pred)分类器的评分方式不同
对于分类器，score 方法会返回准确率：预测正确的标签所占的比例。方法名相同，含义却不同。
一个数字只是起点
单个指标永远无法说明全部情况。在信任模型之前，请结合图表和多个度量指标进行判断。
与基准进行比较
只有与基准进行比较时，评分才有意义，例如始终预测平均值。只有击败这个简单的猜测，才能证明模型确实有价值。
快速检查
对于回归模型，score 会返回什么？
回顾
使用 score 快速获得 R²，需要详细信息时使用 MAE 等指标，并始终在未见过的数据上相对于基准进行测试。🏁
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「为您的第一个模型评分」课时是免费的吗？
是的 — 「为您的第一个模型评分」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「为您的第一个模型评分」这节课中我会学到什么？
读取模型的评分方法 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「为您的第一个模型评分」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- fit 和 predict 契约
- 特征 X 和目标 y
- 训练线性回归模型
- 为您的第一个模型评分