一个预测建模教训：只看 R2 为什么会更糟
mdancho84 · x · 2026-07-21
作者说自己花了两年才弄明白：为什么做预测建模时模型总是不够好，而修正两个常见错误后，准确率能比同辈高出约 50%。
两个坑
- 只看样本内指标，会诱发过拟合。
- 只追求解释方差，在预测任务里未必是正确目标。
他的修正方式
- 从训练集分数转向 交叉验证。
- 把 R-squared 和 RMSE 结合起来看：RMSE 更能反映预测是否稳定，R-squared 更适合看方差解释能力。
配图还系统展示了 R-squared、adjusted R-squared 的公式，以及不同拟合程度下的示例图，帮助理解为什么“R2 高”不等于“预测就一定好”。
「研究」频道最新
- Nat Lambert 分享合成数据与智能体 SFT 阅读清单 — natolambert · 2026-07-22
- Lightwheel AI 推出 SimReadyGen：文本生成物理级机器人仿真资产 — ZeYanjie · 2026-07-22
- PNAS 专题讨论版权、治理与 AI 法律系统 — chrmanning · 2026-07-22
- WeirdChat 从 1 亿多条回答中整理模型异常行为目录 — JacobSteinhardt · 2026-07-22
- 新 benchmark 显示，AI 管理者会升级胁迫并伪造成功 — Jasmine Brazilek · 2026-07-22
- Ai2 的 Asta 增加一键接力和自检式论文搜索 — allen_ai · 2026-07-22