scikit learn（metrics.r2_score()）返回的R ^ 2值可能为负数。 docs说：
“与大多数其他分数不同，R²分数可能是负数（不需要 实际上是数量R的平方。“
然而，R ^ 2上的wikipedia article提到没有R（非平方）数量。也许它使用绝对差异而不是方差。我真的不知道
答案 0 :(得分：25)
scikit learn中的R^2与the wikipedia article on the coefficient of determination中描述的内容基本相同（grep for＆＃34;最常见的定义＆＃34;）。它是1 - residual sum of square / total sum of squares。
经典统计设置与您通常尝试使用机器学习之间的最大区别在于，在机器学习中，您可以根据看不见的数据评估得分，这可能会导致[0,1]之外的结果。如果您将R^2应用于您用于模型的相同数据，它将位于[0, 1]
答案 1 :(得分：4)
由于R ^ 2 = 1-RSS / TSS，唯一的情况是RSS / TSS＆gt;当我们的模型比假设的最差模型（这是绝对平均模型）更糟糕时，就会出现1。
这里RSS =实际值（yi）和预测值（yi ^）之差的平方和 和TSS =实际值（yi）和平均值之间的差的平方和（在应用回归之前）。 因此，您可以想象TSS代表最佳（实际）模型，RSS介于我们的最佳模型和最差的绝对平均模型之间，在这种情况下，我们将获得RSS / TSS＆lt; 1。 如果我们的模型甚至比最差的平均模型更差，则在那种情况下RSS> TSS（由于实际观察值与平均值之间的差异＆<差异预测值和实际观察值）。
点击这里查看更直观的视觉表现：https://ragrawal.wordpress.com/2017/05/06/intuition-behind-r2-and-other-regression-evaluation-metrics/