Loading... **可解释变异**（英语：explained variation）在统计学中是指给定数据中的变异能被数学模型所解释的部分。通常会用方差来量化变异，故又称为**可解释方差**（explained variance）[^1] , [^2]。 除可解释变异外，总变异的剩余部分被称为未解释变异（unexplained variation）或残差（residual）。 线性回归中的决定系数即为可解释变异占总变异的比率。 数学公式为： $$ E_{var} = 1-\dfrac{\sum^n_{i=1}((y_i)-\hat{y})-E(\vec{y}-\hat{y}))^2}{\sum^n_{i=1}(y_i-\bar{y})^2} $$ 可解释方差指标衡量的是所有预测值和样本之间的差的分散程度与样本本身的分散程度的相近程度。本身是分散程度的对比。最后用1-这个值，最终值越大表示预测和样本值的分散分布程度越相近[^3]。 [^1]: [可解释变异](https://zh.wikipedia.org/zh-hans/%E5%8F%AF%E8%A7%A3%E9%87%8A%E5%8F%98%E5%BC%82) [^2]: [孟德尔随机化之F统计量](https://cloud.tencent.com/developer/article/2078505) [^3]: [机器学习对回归模型的评价指标：均方误差、可解释方差和R方值](https://blog.csdn.net/lp8800/article/details/102722568) 最后修改：2022 年 10 月 02 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏