matlab计算平均相对误差和R2分数决定系数

在MATLAB中，计算平均相对误差（Mean Absolute Percentage Error, MAPE）和决定系数（Coefficient of Determination, R²）通常用于评估模型预测性能。这里简单介绍如何计算这两个指标：

**1. 平均相对误差（MAPE）**
对于一组真实值`y_true`和预测值`y_pred`，MAPE是每个观测值绝对误差除以真实值的百分比平均值：

function mape = calculate_MAPE(y_true, y_pred)
    error = abs((y_true - y_pred) ./ y_true); % 计算绝对误差
    mape = mean(error); % 计算平均值并返回结果
end

要使用这个函数，你需要提供真实的`y_true`和预测的`y_pred`值：

y_true = ...; % 真实值数组
y_pred = ...; % 预测值数组
mape = calculate_MAPE(y_true, y_pred);

**2. 决定系数（R²）**
R²衡量了模型解释变量变化的比例，值越接近1表示拟合越好，值越接近0说明模型效果越差。在回归分析中，通常使用下面的公式计算：

function r_squared = calculate_R_squared(y_true, y_pred)
    ssresidual = sum((y_true - y_pred).^2); % 残差平方和
    sstotal = sum((y_true - mean(y_true)).^2); % 总偏差平方和
    r_squared = 1 - (ssresidual / sstotal);
end

同样，传入实际值和预测值即可：

r_squared = calculate_R_squared(y_true, y_pred);