回归评价指标

这里写目录标题

  • [1. 均方误差MSE](#1. 均方误差MSE)
  • [2. 均方根误差RMSE](#2. 均方根误差RMSE)
  • [3. 平均绝对误差MAE](#3. 平均绝对误差MAE)
  • [4. R^2^](#4. R2)
  • [5. 调整后R^2^](#5. 调整后R2)

1. 均方误差MSE

  • 回归数据和原始数据误差的平方和/原始数据个数
  • 平方的原因:不平方正负误差会抵消,对大误差更为敏感,在一些场景下更能凸显出模型预测的不准确性
  • 越接近于0,模型预测能力越强

2. 均方根误差RMSE

  • MSE开根号
  • 越接近与0,模型的预测能力越强

3. 平均绝对误差MAE

  • MSE的平方换成绝对值,也是不绝对值正负误差会抵消
  • MAE越小,模型预测精度越高,对较大误差不如MSE 敏感
  • MAE可以准确反映实际预测误差的大小

4. R2

  • TSS:样本点和均值间的差异性(数据集中数的分散程度)
  • RSS:和拟合数据间的差异性
  • R2 = 1- RSS/TSS
  • 取值范围为0,1:
  • 如果结果是 0,说明模型拟合效果很差;
    如果结果是 1,说明模型无错误。
  • 一般来说,R-Squared 越大,表示模型拟合效果越好。R-Squared 反映的是大概有多准,因为,随着样本数量的增加,R-Square必然增加,无法真正定量说明准确程度,只能大概定量

5. 调整后R2

https://www.bilibili.com/video/BV1wi4y157Tt/?vd_source=f8471cd815546af5608f92c27e8247c2

相关推荐
孟健20 分钟前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV38 分钟前
Google 重返第一梯队
人工智能·google·aigc
十有八七1 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端
阿里云大数据AI技术1 小时前
阿里云 Milvus 场景中心|一键部署你的AI应用
人工智能
京东云开发者1 小时前
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
人工智能
IT大白鼠2 小时前
当 AI 开始自动化渗透:FBI ARTEX 警报的防守对策
运维·人工智能·自动化
进击的丸子3 小时前
1126B的Demo实操——虹软ArcFace SDK(RV1126BP ARM64 V5.0)交叉编译与运行指南
人工智能·程序员·代码规范
独隅3 小时前
Cann-Samples 实战应用与场景落地指南
人工智能·cann·cann-samples
阿里云大数据AI技术3 小时前
让 Agent 学会诊断 Elasticsearch:一套证据绑定的智能运维方法论
人工智能
十有八七3 小时前
手搓 Agent(四):长点记性——上下文满了怎么办,怎么记住上一次
前端·人工智能·后端