回归模型评估指标
- 1.平均绝对误差（Mean Absolute Error）
- 2.均方误差（Mean Squared Error） MSE回归任务最常用的一个指标。 对比MAE，MSE可以放大预测偏差较大的值，可以比较不同预测模型的稳定性，应用场景相对多一点。
- 3.方均根差（Root Mean Absolute Error） 缺点是因为使用的是平均误差，对异常值比较敏感，如果回归器对某个点的回归值很不合理，那么它的误差则比较大，从而会对RMSE的值有较大影响，即平均值是非鲁棒的。
- 误差中位数（Mean Absolute Percentage Error） MAPE不仅仅考虑了预测值和真实值之间的误差，还考虑了误差和真实值之间的比例
- 5.残差平方和 总平均值 y表示观测数据的平均值， SStot表示数据集的离散程度； SSres表示预测数据和原始数据的误差；
- 6.R平方 R平方是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程中拟合程度的一个统计量，反映了在因变量Y的变差中被估计的回归方程所解释的比例。R平方越接近1，表明回归平方和占总平方和的比例越大，回归线与各观测点越接近。R平方>0.4表示模型拟合效果越好；但数据集越大，R平方越大，因此，不同数据集的模型结果比较会有一定的误差。
- 7.校正R平方 n是数据集大小，K是变量个数，消除了样本数量和特征数量的影响；
- RMSPE
本文由 xigrug 创作，采用 知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名
最后编辑时间为:2018-06-28 20:13:56