Scikit-learnの

私はpython scikit-learn マニュアルで回帰メトリックについて読んでいましたが、それぞれに独自の式がありますが、と分散スコアの違いは直感的にわかりません。私のモデル。$R^2$

1. $R^2 = 1- \frac{SSE}{TSS}$

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$、$\mathrm{Var}$分散付勢され、すなわち$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$。$R^2$と比較して、唯一の違いは平均（誤差）からです。mean（error）= 0の場合、$R^2$ =説明された分散スコア

3. また、調整済み$R^2$では、不偏分散推定が使用されます。

ディーンの答えは正しいです。

$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

私の参照はここのsklearnのソースコードです：https : //github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396