1
Amy 原创整理｜资料核验：2026-11-04
scikit-learn官方说明，explained_variance_score的最佳值是1，但它与R²有一个关键区别：不计入预测中的系统性偏移，因此通常更应优先考虑R²。
Amy原创教学示例：真实值[1,2,3]，预测值[11,12,13]，每次都高估10。误差虽然很大，却恒定不变，explained_variance_score仍为1；同一组数据的R²为-149，平均绝对误差为10。仅看到第一个指标，就把模型写成“预测完全准确”，会误导读者。
建议评估报告同时说明指标名称、误差单位，并查看是否整体偏高或偏低。对于多输出任务，也要交代取各输出分数还是做平均，不能把不同汇总方式的结果直接比较。
当真实目标全部为常量时，官方接口另有非有限值处理，默认force_finite=True会替换相关结果。若研究这类数据，应先阅读该参数说明，避免只凭输出是一个普通数字就认为评估没有特殊情况。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.explained_variance_score.html