-
样本误差：衡量模型在一个样本上的预测准确性
- 样本误差 = 样本预测值 - 样本实际值
- 最常用的评价指标：均误差方（MSE）
- 指标解释：所有样本的样本误差的平方的均值
- 指标解读：mse越接近0，模型越准确
- skleaen相关函数：
from sklearn.metrics import mean_squared_error
- 较为好解释的评价指标：平均绝对误差（MAE）
- 指标解释：所有样本的样本误差的绝对值的均值
- 指标解读：mae越接近0，模型越准确
- 备注：由于mae的单位与因变量相同，所以较为容易被解释
- sklearn相关函数：
from sklearn.metrics import mean_absolute_error
- mae的衍生指标：平均绝对比例误差（MAPE）
- 指标解释:所有样本的样本误差的绝对值占实际值的比例
- 指标解读：mape越接近0，模型越准确。
- 模型解释度：R Squared，R方
- 指标解释：因变量的方差能被自变量解释的程度
- 指标解读：R方越接近1，则代表自变量对因变量的解释度越高。
- sklearn相关函数：
from sklearn.metrics import r2_score
回归模型常用评价指标
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
