matlab评价指标

在MATLAB中，可以使用各种评价指标来评估模型的性能。下面介绍几个常用的评价指标：

1. 均方根误差（Root Mean Square Error，RMSE）：衡量实际值与预测值之间的平均差异程度。

rmse = sqrt(mean((actual - predicted).^2));

2. 平均绝对误差（Mean Absolute Error，MAE）：衡量实际值与预测值之间的平均绝对差异程度。

mae = mean(abs(actual - predicted));

3. 决定系数（Coefficient of Determination，R-squared）：衡量模型对观测数据的拟合程度，取值范围为0到1，越接近1表示拟合效果越好。

ssr = sum((actual - predicted).^2);
sst = sum((actual - mean(actual)).^2);
r_squared = 1 - (ssr/sst);

4. 精确度（Accuracy）：衡量分类模型的预测准确性。

accuracy = sum(actual == predicted) / numel(actual);

5. 准确率（Precision）和召回率（Recall）：用于评估二分类模型的表现，准确率衡量预测为正例的样本中真正为正例的比例，召回率衡量真正为正例的样本中被正确预测为正例的比例。

tp = sum(actual == 1 & predicted == 1);
fp = sum(actual == 0 & predicted == 1);
fn = sum(actual == 1 & predicted == 0);

precision = tp / (tp + fp);
recall = tp / (tp + fn);

这些只是一些常见的评价指标，根据具体问题和模型类型，可能会有其他适用的评价指标。在MATLAB的机器学习和统计工具箱中，还提供了更多的评价指标函数，可以根据需要选择合适的函数进行评估。