складність 2/5
R²
Наскільки модель прогнозує краще, ніж просто завжди називати середнє, — єдина оцінка регресії, яку можна порівнювати між різними наборами даних.
Інтуїція
MSE, RMSE і MAE всі несуть одиниці цілі, тож жодна з них не може сказати, чи добра оцінка. RMSE 3 — чудово для однієї задачі й марно для іншої.
R² виправляє це, порівнюючи вашу модель із базовою лінією, яка існує завжди: щоразу прогнозувати середнє цілі. R² — це частка похибки базової лінії, яку ваша модель усунула. Це робить його безрозмірним. Порівнюваним між наборами даних це його не робить: базова лінія — це власна дисперсія кожного набору, а «оскільки ця дисперсія залежить від набору даних, R² може бути неможливо змістовно порівнювати між різними наборами даних» [4, §3.4.6.1].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Regression metrics and losses →
Джерела
- scikit-learn — sklearn.metrics.r2_scoredocs · звірено 2026-08-30https://scikit-learn.org/stable/modules/generated/sklearn.metrics.r2_score.html
- e-Handbook of Statistical Methods — 4.4.4 How can I tell if a model fits my data?standard · звірено 2026-10-04https://www.itl.nist.gov/div898/handbook/pmd/section4/pmd44.htm
- Think Stats — 10. Linear least squaresbook · звірено 2026-10-04https://greenteapress.com/thinkstats2/html/thinkstats2011.html
- scikit-learn User Guide — Metrics and scoringdocs · звірено 2026-10-06https://scikit-learn.org/stable/modules/model_evaluation.html
- Dive into Deep Learning — 3.6 Generalizationbook · звірено 2026-10-06https://d2l.ai/chapter_linear-regression/generalization.html