一篇文章讲清楚:回归评估方法

通过这篇文章,我们需要掌握常用的回归评估方法,了解不同评估方法的特点。

一、线性回归模型评估 -- MAE、MSE、RMSE三种指标

1.为什么要进行线性回归模型的评估

我们希望衡量预测值和真实值之间的差距,会用到MAE、MSE、RMSE多种测评函数进行评价。

2.平均绝对误差 Mean Absolute Error MAE

n 为样本数量, y 为实际值, yy ̂为预测值

MAE 越小模型预测约准确

from sklearn.metrics import mean_absolute_error

mean_absolute_error(y_test,y_predict)

3.均方误差****Mean Squared Error MSE

n 为样本数量, y 为实际值, yy ̂为预测值

MSE 越小模型预测约准确

from sklearn.metrics import mean_squared_error

mean_squared_error(y_test,y_predict)

4.均方根误差****Root Mean Squared Error

n 为样本数量, y 为实际值, y ̂为预测值

RMSE 越小模型预测约准确

RMSE 是 MSE 的平方根,某些情况下比MSE更有用

二、线性回归模型评估 -- MAE、MSE、RMSE三种指标对比

1.举个栗子:我们绘制了一条直线 y = 2x +5 用来拟合 y = 2x + 5 + e. 这些数据点,其中e为噪声(随机值)

MAE 和 RMSE 非常接近,都表明模型的误差很低。MAE 或 RMSE 越小,误差越小!

RMSE的计算公式中有一个平方项,因此大的误差将被平方,因此会增加 RMSE 的值,大多数情况下RMSE>MAE ,比如两个误差大小为1, 3求MAE和RMSE:

RMSE 会放大预测误差较大的样本对结果的影响,而 MAE 只是给出了平均误差

结论: RMSE > MAE都能反应真实误差,但是RMSE会对异常点更加敏感

2.再举个栗子:橙色线 y = 2x +5。蓝色的点 y = y + sin(x)*exp(x/20) + e 其中 exp() 表示指数函数

对比第一张图,所有指标都变大了,RMSE 几乎是 MAE 值的两倍,因为它对预测误差较大的点比较敏感

MAE和RMSE同样是真实反应误差,能不能说RMSE是更好的指标?我们只按照RMSE指标来优化模型,让模型的误差降的更低?

一直按照RMSE指标来训练模型,如果RMSE指标训练的非常低,说明什么?

说明模型对异常点(对噪声)也拟合的非常好。这样模型就容易过拟合了。所以评价指标要综合的看。

三、总结

1一般使用MAE和RMSE这两个指标

MAE反应的是"真实"的平均误差,RMSE会将误差大的数据点放大

MAE 不能体现出误差大的数据点,RMSE放大大误差的数据点对指标的影响, 但是对异常数据比较敏感。

2****综合结论

都能反映出预测值和真实值之间的误差

MAE对误差大小不敏感

RMSE会放大预测误差较大的样本的影响

RMSE对异常数据敏感

相关推荐
Forget the Dream31 分钟前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴1 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区1 小时前
豆包工作,3 个月,800 万,20 亿
人工智能
Chuck.li1 小时前
AI 长篇创作工具选型:工作流对照与自测清单
人工智能·大模型·ai写作·网文作者·ai网文·豆包写作
aleimu2 小时前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端
SwanArc技术笔记2 小时前
读技术文档,先用哪个 AI?模型指南筛选与 GPT-6.2 Astra 实操
人工智能
深海鱼在掘金2 小时前
深入浅出RAG——第21章:回顾与展望
人工智能
羲云网络2 小时前
GPT Image 2.6 GIF 交付排障:上线后为什么只剩第一帧?
图像处理·人工智能·前端开发·gif
安爹前沿AI2 小时前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能
深海鱼在掘金2 小时前
深入浅出RAG——第20章:端到端实战:企业级知识库问答系统
人工智能