🔑 名詞卡
決定係數（R² Score，Coefficient of Determination）
🎯 定義
迴歸任務中用以衡量模型對目標變數變異解釋能力的指標：\(R^2=1-\dfrac{RSS}{TSS}=1-\dfrac{\sum(y_i-\hat{y}_i)^2}{\sum(y_i-\bar{y})^2}\)。
重點／應用
| R² 值 | 意義 |
|---|---|
| =1 | 模型完全解釋資料變異，預測完美 |
| =0 | 模型僅與常數模型（直接預測平均值）同等表現 |
| <0 | 模型比常數模型還差，可能嚴重偏離趨勢或過度擬合 |
適用於線性迴歸模型的快速評估；不適用於非線性或未標準化資料下的模型比較，不同任務/資料集間的 R² 也無法直接比較。
記憶技巧
「R² 越接近 1 越好；等於 0 代表『猜平均值』就跟模型一樣爛」。
易混淆
- vs RMSE/MAE：RMSE、MAE 有單位（與目標變數同單位），數值越小越好；R² 無單位，是比例概念，範圍理論上為 (-∞,1]。
📖 課文原文「決定係數（R² Score）⋯意義：迴歸任務中用以衡量模型對目標變數變異解釋能力的重要指標。」