preview

결정계수 (R²)

회귀 모델의 표준 평가 지표. "평균만 예측하는 bar 모델" 에 비해 얼마나 낫냐 를 묻습니다:

$R^2 = 1 - \frac{\sum_i (y_i - \hat{y}_i)^2}{\sum_i (y_i - \bar{y})^2}$

분자는 잔차 제곱합 (SSR), 분모는 총 변동 (SST).

해석

가까워질수록 좋지만, 과적합으로 R²만 높을 수 있어 다른 지표(MAE, CV 등)와 함께 봐야 합니다.

함수 r2_score(y_pred, y_true) 를 완성하세요.

반환: Python float.
힌트: SSR = ((y_true - y_pred)**2).sum(), SST = ((y_true - y_true.mean())**2).sum().
SST == 0 (상수 타깃) 경우 방어해도 좋음 (0.0 반환).

#	이름	`y_pred`	`y_true`	기대
1	완벽	`[1, 2, 3]`	`[1, 2, 3]`	`1.0`
2	평균 예측	`[2, 2, 2]`	`[1, 2, 3]`	`0.0`
3	일반	`[1, 2.5, 2.5]`	`[1, 2, 4]`	`0.73~0.75`
4	매우 나쁨	`[0, 0, 0]`	`[1, 2, 3]`	음수
5	sklearn 일치	random 데이터	`sklearn.metrics.r2_score` 와