计算R方指标和均方根误差（RMSE）的自定义函数（R语言）

最新推荐文章于 2024-01-26 13:50:02 发布

数据挖掘奇才

最新推荐文章于 2024-01-26 13:50:02 发布

阅读量588

点赞数 1

CC 4.0 BY-SA版权

文章标签： R语言

本文链接：https://blog.youkuaiyun.com/TechPulseZ/article/details/132518465

R语言专栏收录该内容

80 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用R语言编写自定义函数`calculate_r_squared_rmse`来计算R方指标和均方根误差（RMSE），用于评估回归模型的性能。函数通过计算观测值与预测值的差异来得出这两个指标，并提供了示例代码展示其用法。

计算R方指标和均方根误差（RMSE）的自定义函数（R语言）

R方指标（R-squared）和均方根误差（Root Mean Square Error，RMSE）是评估回归模型性能常用的指标。本文将介绍如何使用R语言编写自定义函数来计算这两个指标。

首先，我们将创建一个名为"calculate_r_squared_rmse"的函数，该函数接受两个参数：观测值（observed）和预测值（predicted）。以下是完整的函数代码：

calculate_r_squared_rmse <- function(observed, predicted) {
  # 计算平均观测值
  mean_observed <- mean(observed)
  
  # 计算总平方和（Total Sum of Squares，TSS）
  tss <- sum((observed - mean_observed)^2)
  
  # 计算残差平方和（Residual Sum of Squares，RSS）
  rss <- sum((observed - predicted)^2)
  
  # 计算R方指标
  r_squared <- 1 - rss / tss
  
  # 计算均方根误差（RMSE）
  rmse <- sqrt(mean((observed - predicted)^2))
  
  # 返回R方指标和RMSE
  return(list(R_squared = r_squared, RMSE = rmse))
}

让我们来解释一下函数的代码：

了解本专栏