matlab计算平均绝对误差和百分比误差、平均相对误差和R2分数决定系数

在MATLAB中，计算平均绝对误差(MAE)、百分比误差(PE)、平均相对误差(MRE)以及R²分数（决定系数）通常用于评估预测模型的性能。以下是各自指标的计算方法：

1. **平均绝对误差 (MAE)**: 衡量实际值和预测值之间的平均绝对偏差。如果 `y_true` 是真实值，`y_pred` 是预测值，那么 MAE 可以通过下面的函数计算：

   mae = mean(abs(y_true - y_pred));

2. **百分比误差 (PE)**: 它显示的是预测误差相对于真实值的百分比。先计算MAE，然后除以真实值并乘以100得到百分比形式：

   pe = 100 * mean(abs((y_true - y_pred)./y_true));

注意这里假设真实值不为零。

3. **平均相对误差 (MRE)**: 类似于百分比误差，但去除真实值为零的情况，只考虑非零值：

   mre = mean(abs((y_true - y_pred)./max([y_true, eps])));

`eps` 是 MATLAB 中的一个很小的数，避免除以零。

4. **R²分数 (决定系数)**: 或称为 R-squared，衡量模型解释数据变异程度的比例。对于拟合线性回归模型，可以使用 `rsquare` 函数：

   % 对于线性回归模型
   mdl = fitlm(data(:, 1:end-1), data(:, end)); % 假设最后一列是目标变量
   r_squared = mdl.Rsquared.Ordinary;

如果不是线性回归，需要先进行适当拟合。