Среднеквадратичная ошибка (MSE) в регрессиях лассо и гребня в Python

Question

На самом деле я кодирую регрессии Ridge и LASSO одновременно для одного набора данных, и в конце я пытаюсь построить графики производительности, а также ошибки (MSE) для обоих методов.

Для производительности я использовал команды linear_model.ridge.score() и linear_model.lasso.score() для импорта из sklearn. И когда я строю график, кажется, что он остается между 0 и 1, но когда я попытался вычислить MSE для обоих по отдельности, он стал большим числом, т.е. 798,768 (полный список) и т. Д. Мне нужна ошибка также между 0 и 1, так что когда я рисую ее, я могу сравнить ее с производительностью ....

Итак, мой вопрос:

Есть ли способ преобразовать такой список в числа от 0 до 1 без потери информации?

Answer 1

Вместо MSE вы можете использовать его «нормализованную версию» - коэффициент детерминации R ^ 2 (https://en.m.wikipedia.org/wiki/Coefficient_of_determination), который гарантированно находится между 0 и 1. Подробнее см. Этот ответ https://stats.stackexchange.com/questions/32596/what-is-the-difference-between-coefficient-of-determination-and-mean-squared.