本文介绍了Matlab中常用的数据处理评价指标，包括相关系数（R）、决定系数（R^2）、均方误差（MSE）、均方根误差（RMSE）和平均绝对误差（MAE）。相关系数衡量变量间的线性相关性；决定系数表示回归模型的拟合优度；MSE和RMSE是衡量预测值与真实值误差的指标，而MAE则计算的是误差的平均绝对值。
- 相关系数（R）
定义：变量之间线性相关的度量。分三种，spearman, pearson, kendall
公式：
解释：自变量X和因变量Y的协方差/标准差的乘积。
- 协方差：两个变量变化是同方向的还是异方向的。X高Y也高，协方差就是正，相反，则是负。
- 为什么要除标准差：标准化。即消除了X和Y自身变化的影响，只讨论两者之间关系。
- 因此，相关系数是一种特殊的协方差。
- 决定系数（R^2）
定义：对模型进行线性回归后，评价回归模型系数拟合优度。
公式：R2=SSR/SST=1-SSE/SST
SST (total sum of squares)：总平方和
SSR (regression sum of squares)：回归平方和
SSE (error sum of squares) ：残差平方和。
解释：残差（residual）：实际值与观察值之间的差异
在一组数据中，采用平均值做基线模型（图中黑线）
我们的模型（蓝线）都与这个黑线比较，来判断模型的好坏
var=sum(i-mean)^2
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
