回归模型RPD和RER

RPD (Relative Percent Difference) 和 RER (Relative Error Reduction) 是用来评估回归模型预测准确性的指标。

RPD 表示预测值和实际值之间的相对误差，计算公式为：

RPD = (|y_pred - y_true| / ((y_pred + y_true) / 2)) * 100%

其中，y_pred 表示模型预测的值，y_true 表示实际的值。RPD 值越小，表示模型预测的准确性越高。

RER 表示模型相对误差的降低程度，计算公式为：

RER = (RPD_baseline - RPD_model) / RPD_baseline * 100%

其中，RPD_baseline 表示基准模型的 RPD 值，RPD_model 表示当前模型的 RPD 值。RER 值越大，表示当前模型相对于基准模型的预测准确性提升越大。

总的来说，RPD 和 RER 都是用来评估回归模型预测准确性的指标，但是它们的计算方法不同，RPD 表示相对误差，RER 表示误差降低的程度。