¿Cuál es la diferencia entre y la puntuación de varianza en Scikit-learn?

Estaba leyendo acerca de las métricas de regresión en la pitón scikit-learn Manual y aunque cada uno de ellos tiene su propia fórmula, no puedo decir intuitivamente cuál es la diferencia entre y la puntuación de la varianza y, por tanto, cuándo se debe utilizar una u otra de evaluar mis modelos$R^2$

1. $R^2 = 1- \frac{SSE}{TSS}$

2. $\text{explained variance score} = 1 - \mathrm{Var}[\hat{y} - y]\, /\, \mathrm{Var}[y]$V un r V un r [ Y - Y ] = s u m ( e r r o r 2 - m ae un n ( e r r o r ) ) , donde es una varianza sesgada, es decir . En comparación con , la única diferencia es de la media (error). si media (error) = 0, entonces = puntaje de varianza explicada$\mathrm{Var}$$\mathrm{Var}[\hat{y} - y] = sum(error^2 - mean(error))\,/\,n$$R^2$$R^2$

3. También tenga en cuenta que en ajustado , se utiliza la estimación de varianza imparcial.$R^2$

La respuesta de Dean es correcta.

Solo creo que hay un error tipográfico menor aquí: .$Var[\hat{y}-y]=sum(error^2-mean(error))/n$

Supongo que debería ser .$Var[\hat{y}-y]=sum(error-mean(error))^2/n$

Mi referencia es el código fuente de sklearn aquí: https://github.com/scikit-learn/scikit-learn/blob/bf24c7e3d/sklearn/metrics/_regression.py#L396