R语言中评估指标的函数

在R语言中，我们可以使用多种函数来评估模型的性能和准确性。以下是一些常用的评估指标函数：

1. 均方根误差（RMSE）：用于衡量预测值与实际值之间的差异。RMSE越小，表示模型的预测结果越准确。

# 计算RMSE
rmse <- function(actual, predicted) {
  sqrt(mean((actual - predicted)^2))
}

2. 平均绝对误差（MAE）：用于衡量预测值与实际值之间的绝对差异。MAE越小，表示模型的预测结果越准确。

# 计算MAE
mae <- function(actual, predicted) {
  mean(abs(actual - predicted))
}

3. 决定系数（R-squared）：用于衡量模型对观测值变异性的解释能力。R-squared越接近1，表示模型的拟合效果越好。

# 计算R-squared
rsq <- function(actual, predicted) {
  ssr <- sum((predicted - mean(actual))^2)
  sst <- sum((actual - mean(actual))^2)
  return(ssr / sst)
}

以上是R语言中常用的三种评估指标函数，您可以根据需要选择使用。另外，R语言中还有许多其他的评估指标函数，如平均绝对百分比误差（MAPE）、对数损失函数（LogLoss）等，您可以根据具体情况进行选择。