r语言计算MAE、ME、RMSE、R^2

在R语言中，计算MAE（平均绝对误差）、ME（平均误差）、RMSE（均方根误差）和R²（决定系数）是评估模型预测性能的常用方法。下面是如何使用R语言计算这些统计量的示例。

1. MAE（Mean Absolute Error，平均绝对误差）:

MAE <- mean(abs(y_true - y_pred))

其中`y_true`是实际值向量，`y_pred`是预测值向量。

2. ME（Mean Error，平均误差）:

ME <- mean(y_true - y_pred)

同样地，`y_true`是实际值向量，`y_pred`是预测值向量。

3. RMSE（Root Mean Squared Error，均方根误差）:

RMSE <- sqrt(mean((y_true - y_pred)^2))

这里`y_true`是实际值向量，`y_pred`是预测值向量。

4. R²（R-Squared，决定系数）:

R_squared <- 1 - (sum((y_true - y_pred)^2) / sum((y_true - mean(y_true))^2))

这里`y_true`是实际值向量，`y_pred`是预测值向量。`mean(y_true)`是实际值的均值。

这些统计量可以帮助你评估模型的预测准确性。MAE直接计算误差的绝对值的平均数；ME给出了预测误差的平均值，但可能受到正负误差的影响而抵消；RMSE是误差平方的平均值的平方根，它对较大的误差给予更大的惩罚；R²则表示模型解释了多少变异，其值越接近1，说明模型拟合度越好。