python – `scikit-learn`的`r2_score`和R ^ 2计算之间的显着不

为什么r2_score function in scikit-learn和Coefficient of Determination as described in Wikipedia的公式之间存在显着差异？哪个是正确的？

上下文

我正在使用Python 3.5来预测线性和二次模型,而我正在尝试的适合度的衡量标准之一是.但是,在测试时,scikit-learn中的r2_score指标与维基百科中提供的计算之间存在显着差异.

码

我在这里提供我的代码作为参考,它计算上面链接的维基百科页面中的示例.

from sklearn.metrics import r2_score
import numpy

y = [1,2,3,4,5]
f = [1.9,3.7,5.8,8.0,9.6]

# Convert to numpy array and ensure double precision to avoid single precision errors
observed = numpy.array(y,dtype=numpy.float64)
predicted = numpy.array(f,dtype=numpy.float64)

scipy_value = r2_score(observed,predicted)

>>> scipy_value: 

很明显,scipy计算值为-3.8699999999999992,而维基百科中的参考值为0.998.

谢谢！

更新：这与this question about how R^2 is calculated in scikit-learn的不同之处在于我正在努力理解并澄清两种结果之间的差异.这个问题表明scikit中使用的公式与维基百科的公式相同,不应该导致不同的值.

更新#2：事实证明我在阅读维基百科文章的例子时犯了一个错误.下面的答案和评论提到我提供的示例是针对示例中(x,y)值的线性,最小二乘拟合.为此,维基百科的文章中的答案是正确的.为此,提供的R ^ 2 calue为0.998.对于两个向量之间的R ^ 2,scikit的答案也是正确的.非常感谢你的帮助！