决定系数 R2和相关性系数

一、偏决定系数名词解释

偏决定系数（Partialdeterminationcoefficient）是指多元回归分析中，用于衡量模型中各自变量的贡献大小，也就是模型中各个自变量的偏效应。偏决定系数越大，说明该自变量对因变量的预测能力越强。计算公式为：偏决定系数=模型中各自变量的系数乘积之和/模型中所有自变量系数的总和。

二、决定系数r的取值范围

相关系数是指与某一关系式或是公式等的常系数，相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。

三、bp神经网络求决定系数的意义

bp神经网络就是模拟神经元，进行分类训练。他的物理意义是什么呢，就是每个神经元对应我们计算中的滤波器，当他"看到"某个图片或者某组数据，反应就特别强烈，相乘所得的值就特别大，这大概就是所说的激活吧。bp神经网络是有监督的分学习，就是通过多组样本数据，计算所得结果，然后通过理想结果与所得结果的偏差，来反向更新计算神经源的权重，达到拟合的目的，最终通过不断的调整权值，与计算所得与期望结果的偏差越来越小。