线性回归中的相关系数高于相关性确定

Question

我是机器学习的新手，我正在使用kaggle.com的房价数据集来解决回归问题。我想知道相关系数和相关确定之间的区别，以及人们为什么使用一个相对另一个。例如，我可以看到YearBuild和SalePrice之间的关系，像这样

现在，系数确定有什么用，为什么要用

如果R =系数归因 然后系数确定= R x R

1. Corellation系数的百分比视图吗？
2. 这是单个功能与其余功能的关系吗？

Answer 1

系数R squared告诉您回归模型可以解释多少方差。例如，如果它等于0.01，则意味着您已经解释了方差的百分之一。由于明显的原因，这很有用。与相关系数不同，R squared始终为正，因此仅告诉您存在（或不存在）线性关系，但不知道其形式是什么。