零基础机器学习(5)之线性回归模型的性能评估

一只特立独行猪

已于 2024-03-23 20:48:03 修改

阅读量543

点赞数 4

分类专栏：机器学习文章标签：机器学习线性回归人工智能

于 2024-03-23 20:47:45 首次发布

本文链接：https://blog.youkuaiyun.com/Appppiiiiggg/article/details/136975016

版权

本文介绍了如何通过实例来评估线性回归模型，包括单一特征下的模型预测以及使用多特征的糖尿病数据集。通过计算均方误差、均方根误差和预测准确率，展示了模型在训练集和测试集上的表现，强调了过拟合问题的存在。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

评估线性回归模型时，首先要建立评估的测试数据集（测试集不能与训练集相同），然后选择合适的评估方法，实现对线性回归模型的评估。

回归任务中最常用的评估方法有均方误差、均方根误差和预测准确率（确定系数）。

分别对两个模型进行评估，输入的测试集如表所示。

面积/（m2）	售价/（万元）	面积/（m2）	售价/（万元）
103	301	115	344
90	275	89	276
60	206	70	210
50	160	45	124
55	190	78	235

#输入测试集
x_test=np.array([[103],[115],[90],[89],[60],[70],[50],[45