机器学习线性回归地点评估指标
时间: 2024-01-25 19:04:52 浏览: 39
线性回归模型的评估指标主要有R2(决定系数)和均方根误差(RMSE)。
R2是一种常用的评估线性回归模型拟合程度的指标,它表示模型对因变量变异的解释能力。R2的取值范围在0到1之间,越接近1表示模型对数据的拟合程度越好。R2等于1表示模型完美拟合数据,而R2等于0表示模型无法解释因变量的变异。
均方根误差(RMSE)是衡量模型预测值与真实值之间差异的指标。它计算了模型预测值与真实值之间的平均差异,即预测值与真实值之间的平均偏差。RMSE的值越小表示模型的预测能力越好。
下面是一个演示线性回归模型评估指标的例子:
```python
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score, mean_squared_error
import numpy as np
# 创建示例数据
X = np.array([[1, 2, 3, 4, 5]]).T
y = np.array([2, 4, 6, 8, 10])
# 创建线性回归模型
model = LinearRegression()
model.fit(X, y)
# 进行预测
y_pred = model.predict(X)
# 计算R2和RMSE
r2 = r2_score(y, y_pred)
rmse = np.sqrt(mean_squared_error(y, y_pred))
print("R2 score: ", r2)
print("RMSE: ", rmse)
```
输出结果:
```
R2 score: 1.0
RMSE: 0.0
```
可以看到,R2得分为1.0,表示模型完美拟合数据;RMSE为0.0,表示模型的预测值与真实值完全一致。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)