(均方、均方根、平均绝对值、标准)误差

本文详细介绍了机器学习中常用的评估指标,包括均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)和标准差。MSE和RMSE用于衡量预测值与真实值的偏差,其中RMSE对异常值更敏感;MAE则以绝对误差的平均值来评估,更关注实际误差的大小而不受大误差的影响;标准差则用来衡量数据的离散程度。这些指标在模型选择和优化过程中起到关键作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

转自链接:https://blog.youkuaiyun.com/m0_37138008/article/details/102527468 

1.均方误差(Mean square Error)
真实值与预测值的差值的平方然后求和平均,常用在线性回归的损失函数
 

在这里插入图片描述

 

2.  均方根误差(RMSE)

  • Root Mean Square Error,均方根误差
  • 是观测值与真值偏差的平方和与观测次数m比值的平方根。
  • 是用来衡量观测值同真值之间的 偏差

3.  平均绝对误差(MAE)

  • Mean Absolute Error ,平均绝对误差
  • 是绝对误差的平均值
  • 能更好地反映预测值误差的实际情况.

4. 标准差(Standard Deviation)

  • Standard Deviation ,标准差
  • 是方差的算数平方根
  • 是用来衡量一组数自身的离散程度

 

RMSE与标准差对比:
        标准差是用来衡量一组数自身的离散程度,而均方根误差是用来衡量观测值同真值之间的偏差,它们的研究对象和研究目的不同,但是计算过程类似。

RMSE与MAE对比:
         RMSE相当于L2范数,MAE相当于L1范数。次数越高,计算结果就越与较大的值有关,而忽略较小的值,所以这就是为什么RMSE针对异常值更敏感的原因(即有一个预测值与真实值相差很大,那么RMSE就会很大)。
 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值