背景

我在回归任务中使用sklearn机器学习算法，如SVR。

from sklearn.svm import SVRmodel = SVR(kernel='poly', degree=2, epsilon=.5)model.fit(      features # Numpy array with features    , target   # Numpy array with the target)

之后，我使用.score()函数返回回归的得分。另外，我还需要使用.predict()获取预测结果以便进一步处理。

some_data = [...] # Numpy array with some data to predictcorrect_targets = [...] # Numpy array with targets according to some data# Get R²print("R²:", model.score(      some_data    , correct_targets))# Store predictionpred = model.predict(some_data)

问题

当我运行上述版本的代码时，模型被计算了两次——一次用于.score()，一次用于.predict()。
然而，我无法在保存的.predict()上运行.score()。这有点麻烦，因为计算需要一些时间。

是否可以存储预测结果并在之后应用.score()而无需重新计算？

回答：

如果你已经有了预测值：

pred = model.predict(some_data)

以及相应的真实值correct_targets，可以直接使用scikit-learn提供的专用函数来获取R^2得分，而无需重新运行模型：

from sklearn.metrics import r2_scorer2_score(correct_targets, pred)