新手村： 模型评估方法-线性回归评估方法
线性回归模型的评估通常涉及多种指标，以全面了解模型的性能。常用的评估方法包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和决定系数 ( R^2 )。以下是这些评估方法的详细说明以及如何在代码中实现它们。
常用评估指标
-
均方误差 (Mean Squared Error, MSE):
- 计算预测值与实际值之间差的平方的平均值。
- 公式: MSE = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 \text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 MSE=n1∑i=1n(yi−y^i)2
-
均方根误差 (Root Mean Squared Error, RMSE):
- MSE 的平方根，使得误差单位与原始数据相同。
- 公式: RMSE = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 \text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2} RMSE=
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
