Рассчитать прогнозируемую точность модели в питоне для задачи регрессии

Question

Я хочу рассчитать точность моей модели для прогнозирования осадков. Я уже рассчитал MAE, RMSE, MAPE для прогнозирования осадков. Но хочу знать общую точность модели, например, моя модель предсказывает 96% точных результатов. Как я могу сделать это в Python? Вот мой код, как я рассчитал MAE, RMSE, MAPE в Python с Sklearn

from sklearn.metrics import mean_squared_error, explained_variance_score

mae = mean_squared_error(true, predicted)
print('Mean Squared Error : {}'.format(mae))

rmse = np.sqrt(mean_squared_error(true, predicted))
print('Root Mean Squared Error : {}'.format(rmse))


evs = explained_variance_score(true, predicted)
print('Explained Variance Score: {}'.format(evs))

Answer 1

Точность является мерой, используемой для задач классификации. Метрики, которые вы выбрали, кажутся нормальными для проблемы регрессии.