R2スコアは、実際の目標値とモデルが予測した値の間の分散を、実際の目標値と平均値の間の分散で割ったものです。数式で表すと以下のようになります:
R2 = 1 - (分散(実際の目標値 - モデルの予測値) / 分散(実際の目標値 - 平均値))
R2スコアの計算方法は、実際の目標値とモデルが予測した値のペアを用意し、それらの間の分散を求めます。また、実際の目標値と平均値の間の分散も計算します。
具体的な計算手順は以下の通りです:
- テストデータセットを用意し、実際の目標値とモデルが予測した値のペアを作成します。
- 実際の目標値とモデルが予測した値の間の分散を求めます。
- 実際の目標値と平均値の間の分散を求めます。
- 分散の値を用いてR2スコアを計算します。
R2スコアは、モデルの予測能力を評価するために使用されます。1に近いスコアは良いモデルを示し、0に近いスコアは予測が精度が低いことを示します。また、負の値を取ることもあります。
この方法を実装するためには、機械学習ライブラリやフレームワークによって提供される関数を使用することが一般的です。例えば、Pythonのscikit-learnライブラリでは、r2_score関数を使用してR2スコアを計算することができます。
以上が、R2スコアの計算方法と解釈についてのガイドです。これを参考にして、モデルの予測能力を評価する際にR2スコアを活用してください。