sklearn.metrics.r2_score计算结果异常及与Excel rsq、皮尔逊相关系数平方差异的技术咨询

嘿，我来帮你理清楚这些问题，你遇到的情况其实是因为混淆了不同统计量的定义和适用场景，咱们一步步拆解：

1. 为什么交换y_true和y_pred结果不同，还出现了负数？ #

首先得明确sklearn.metrics.r2_score计算的是决定系数R²，它的公式是：

R² = 1 - (sum((y_true - y_pred)²) / sum((y_true - mean(y_true))²))

这里的分母是真实值围绕自身均值的波动平方和（SS_tot），分子是预测值和真实值的残差平方和（SS_res）。

• 当你交换y_true和y_pred的位置，分母会变成预测值围绕自身均值的波动平方和，分子则变成真实值和预测值的残差平方和（虽然残差的绝对值和原来一样，但分母变了），所以结果肯定不同。
• 至于负数结果，这是完全合理的：当你的预测效果比「直接用真实值的均值来预测」还要差时，SS_res会大于SS_tot，1减去一个大于1的数，结果就会是负数。这其实是在告诉你，这个预测模型的表现还不如最朴素的基准模型（直接输出均值）。

2. 为什么和Excel的RSQ结果不一样？ #

你提到Excel的rsq给出0.002，这是因为Excel的RSQ函数本质上计算的是皮尔逊相关系数的平方，而不是sklearn里的决定系数R²。这是两个完全不同的统计量：

• 决定系数R²是用来衡量模型对真实值变异的解释能力，必须基于「真实值+模型预测值」的配对；
• 皮尔逊相关系数的平方（也就是Excel RSQ）是衡量两个变量之间的线性相关程度，不管这两个变量是不是真实值和预测值的关系。

3. 为什么和皮尔逊相关系数平方不同？ #

你引用的那句话没错，但它有个关键前提：只有当y_pred是通过简单线性回归（最小二乘法）对y_true拟合得到的最优预测值时，决定系数R²才会等于皮尔逊相关系数的平方。
而你这里的y_pred是随便给定的一组数值，并不是通过拟合得到的最优结果，自然不满足这个前提，所以两者结果不同。

解决方法 #

如果你想要得到和Excel RSQ一致的结果，直接计算皮尔逊相关系数的平方即可，比如用scipy实现：

from scipy.stats import pearsonr

y_true = [2,4,3,34,23]
y_pred = [21,12,3,11,17]
corr, _ = pearsonr(y_true, y_pred)
rsq_like_excel = corr ** 2  # 结果就是你要的~0.002

如果你确实需要使用sklearn的决定系数R²，那要注意：必须保证y_true是真实观测值，y_pred是模型的预测输出，不要交换两者顺序；负数结果是合理的，说明你的预测效果不如直接用均值预测的基准线。

备注：内容来源于stack exchange，提问作者Yang Yang