我正在使用scikit-learn构建一个样本分类器，该分类器通过支持向量机（SVM）进行了训练和测试。现在我想分析这个分类器，并发现了explained_variance_score，但我不理解这个得分。例如，我得到了分类器的分类报告，报告如下…

             precision    recall  f1-score   support        0.0       0.80      0.80      0.80        10        1.0       0.80      0.80      0.80        10avg / total       0.80      0.80      0.80        20 

结果还不错，但解释方差得分（EVS）只有0.2…有时候是-0.X…这是怎么回事？拥有好的EVS重要吗？或许有人能解释一下…

Y_true 和 Y_pred:

[ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.  0.  0.  0.  0.  0.  0.  0.  0.  0.  0.][ 1.  1.  1.  1.  1.  0.  0.  1.  1.  1.  1.  0.  0.  0.  0.  0.  1.  0.  0.  0.]

回答：

解释方差是一个回归指标，对于分类问题没有明确的定义，因此不适合用于此类测试。这是一种用于验证支持向量回归、线性回归等模型的方法。