Qual è la differenza tra e il punteggio di varianza in Scikit-learn?

Stavo leggendo le metriche di regressione nel manuale di Python Scikit-Learn e anche se ognuna di esse ha la sua formula, non posso dire intuitivamente qual è la differenza tra e il punteggio di varianza e quindi quando usare l'uno o l'altro per valutare i miei modelli.$R^2$

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

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$V a r V una r [ y - y ] = s u m ( e r r o r 2 - m all'e un n ( e r r o r ) ) , in cui il è una varianza parziale, ovvero . Rispetto a , l'unica differenza è dalla media (errore). se media (errore) = 0, allora = punteggio varianza spiegato$\mathrm{Var}$$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$$R^2$$R^2$

3. Si noti inoltre che in rettificato viene utilizzata la stima della varianza imparziale.$R^2$

La risposta di Dean è giusta.

Solo io penso che ci sia un piccolo errore di battitura qui: .$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

Immagino che dovrebbe essere .$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

Il mio riferimento è il codice sorgente di sklearn qui: https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396