VAF是指方差贡献率，是一种用于衡量（评估）模型预测能力的指标。即模型的预测结果与实际结果的相关程度。
VAF越高，说明模型对实际数据的解释能力越好，模型预测结果越接近实际结果。
计算公式：
V
A
F
=
1
−
S
S
r
e
s
S
S
t
o
t
VAF = 1 - \frac{SS_{res}}{SS_{tot}}
VAF=1−SStotSSres
其中，
S
S
r
e
s
SS_{res}
SSres表示残差平方和（residual sum of squares）
S
S
t
o
t
SS_{tot}
SStot表示总平方和（total sum of squares）。
S
S
r
e
s
SS_{res}
SSres反映了模型的预测误差，
S
S
t
o
t
SS_{tot}
SStot反映了实际数据的变异程度。
def calc_vaf(y_true, y_pred):
ss_res = np.sum(np.square(y_true - y_pred), axis=0)
ss_tot = np.sum(np.square(y_true - np.mean(y_true, axis=0)), axis=0)
return 1 - ss_res / ss_tot