Scikit学习中和方差得分有什么区别？

我正在阅读python scikit-learn 手册中有关回归指标的内容，尽管每个指标都有其自己的公式，但我无法直观地告诉我们和方差得分之间的区别是什么，因此什么时候使用一个或另一个来评估我的模特。$R^2$

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

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$，其中是偏差方差，即。与相比，唯一的区别在于均值（误差）。如果均值（错误）= 0，则 =解释方差得分$\mathrm{Var}$$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$$R^2$$R^2$

3. 还要注意，在调整后的，使用了无偏方差估计。$R^2$

院长的答案是正确的。

只有我认为这里有一个较小的错字： 。$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

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

我的参考是sklearn的源代码：https : //github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396