Матрицы точности не работают на линейной регрессии

Question

Пожалуйста, помогите здесь:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

X = [[1.1],[1.3],[1.5],[2],[2.2],[2.9],[3],[3.2],[3.2],[3.7],[3.9],[4],[4],[4.1],[4.5],[4.9],[5.1],[5.3],[5.9],[6],[6.8],[7.1],[7.9],[8.2],[8.7],[9],[9.5],[9.6],[10.3],[10.5]]
y = [39343,46205,37731,43525,39891,56642,60150,54445,64445,57189,63218,55794,56957,57081,61111,67938,66029,83088,81363,93940,91738,98273,101302,113812,109431,105582,116969,112635,122391,121872]


#implement the dataset for train & test

from sklearn.cross_validation import train_test_split

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 1/3,random_state=0)

#implement our classifier based on Simple Linear Regression

from sklearn.linear_model import LinearRegression
SimpleLinearRegression = LinearRegression()
SimpleLinearRegression.fit(X_train,y_train)

y_predict= SimpleLinearRegression.predict(X_test)


from sklearn.metrics import accuracy_score
print(accuracy_score(y_test,y_predict))

Я уверен, что я что-то здесь упускаю, есть ли какой-то другой способ рассчитать показатель точности для регрессии? Заранее спасибо:)

Answer 1

Мы не можем использовать точность для задач регрессии, она используется только в задачах классификации. Вы можете использовать MSE,RMSE,MAPE,MAE в качестве матрицы, чтобы определить, насколько хороша ваша регрессионная модель.

Эти значения говорят нам, насколько мы далеки от правильных прогнозов. Более низкие значения лучше для этих случаев.

Answer 2

Вы можете использовать среднюю абсолютную ошибку и среднеквадратичную ошибку.

from sklearn.metrics import mean_absolute_error, mean_squared_error
import numpy as np
MAE = mean_absolute_error(y_test, y_predict)
RMSE = np.sqrt(mean_squared_error(y_test, y_predict))

Answer 3

Точность как метрика применима к проблеме классификации, так как она определяется как доля меток, которая правильно спрогнозирована. В вашем случае вы делаете регрессию (LinearRegression), т.е. ваша целевая переменная является непрерывной. Так что либо вы выбрали неправильную модель, либо моя ошибка, либо точность является неправильной метрикой для вашей проблемы.