print('R² = {}'.format(modelo.score(X_train, y_train).round(3)))
R² = 0.805print('R² = %s' % metrics.r2_score(y_test, y_previsto).round(3))
R² = 0.79Se o valor de modelo y_ previsto não aproxima o valor de modelo train
O que significa?
print('R² = {}'.format(modelo.score(X_train, y_train).round(3)))
R² = 0.805print('R² = %s' % metrics.r2_score(y_test, y_previsto).round(3))
R² = 0.79Se o valor de modelo y_ previsto não aproxima o valor de modelo train
O que significa?
Olá Celio, tudo bem? Espero que sim!
Desculpe pela demora em retornar.
No caso que você apresentou o coeficiente de determinação de ambos estão bem próximos.
Mas caso o coeficiente fosse muito menor para os dados de teste em comparação com os dados de treino, é um indicativo de que o modelo pode ter se sobreajustado aos dados de treino. Isso é conhecido como overfitting, quando o modelo se adequa bem com os dados que já conhecia mas não consegue generalizar para os dados novos de teste.
Bons estudos!