Apa perbedaan antara dan skor varian di Scikit-learn?

Saya membaca tentang metrik regresi di python yang scikit-belajar panduan dan meskipun masing-masing dari mereka memiliki rumus sendiri, saya tidak bisa mengatakan secara intuitif apa perbedaan antara $R^2$ dan skor varian dan oleh karena itu ketika menggunakan satu atau yang lain untuk mengevaluasi model saya.

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

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$ , di mana adalah varian bias, yaitu . Dibandingkan dengan , satu-satunya perbedaan adalah dari mean (kesalahan). jika mean (kesalahan) = 0, maka = menjelaskan skor varians$\mathrm{Var}$$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$$R^2$$R^2$

3. Juga perhatikan bahwa dalam adjusted- , estimasi varians tidak bias digunakan.$R^2$

Jawaban Dean benar.

Hanya saya pikir ada kesalahan ketik kecil di sini: .$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

Saya kira itu seharusnya .$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

Referensi saya adalah kode sumber sklearn di sini: https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regress.py#L396