回归模型评估指标有哪些
时间: 2023-12-13 11:19:01 浏览: 45
回归模型评估指标有以下几种:
1. 均方误差(Mean Squared Error,MSE):是预测值与真实值之差的平方和的平均值,用于衡量模型预测的精度,公式为MSE = (1/n) * ∑(i=1 to n) (y_i - ŷ_i)^2。
2. 平均绝对误差(Mean Absolute Error,MAE):是预测值与真实值之差的绝对值的平均值,用于衡量模型预测的精度,公式为MAE = (1/n) * ∑(i=1 to n) |y_i - ŷ_i|。
3. 决定系数(Coefficient of Determination,R^2):是模型拟合数据的程度,用于衡量模型的拟合度,值越接近1,表示模型拟合的越好,公式为R^2 = 1 - (SS_res / SS_tot),其中SS_res为残差平方和,SS_tot为总平方和。
4. 均方根误差(Root Mean Squared Error,RMSE):是均方误差的平方根,用于衡量模型预测的精度,公式为RMSE = sqrt(MSE)。
5. 相关系数(Correlation Coefficient,r):是用来衡量两个变量之间线性关系强度的统计量,值在-1到1之间,值越接近1,表示两个变量之间的线性关系越强,公式为r = cov(x, y) / (std(x) * std(y)),其中cov(x, y)为x和y的协方差,std(x)和std(y)为x和y的标准差。
相关问题
评估回归模型的指标有哪些
评估回归模型的指标有以下几个:
1. 均方误差(Mean Squared Error,MSE):平均预测值与实际值之差的平方。
2. 均方根误差(Root Mean Squared Error,RMSE):均方误差的平方根。
3. 平均绝对误差(Mean Absolute Error,MAE):平均预测值与实际值之差的绝对值。
4. 决定系数(Coefficient of Determination,R²):模型预测值与实际值之间的相关性度量,取值范围在0到1之间,越接近1表示模型拟合得越好。
5. 相关系数(Correlation Coefficient,r):评估模型预测值与实际值之间的相关性,取值范围在-1到1之间,越接近1或-1表示两者之间的线性关系越强。
6. 平均相对误差(Mean Absolute Percentage Error,MAPE):平均预测值与实际值之间的相对误差的绝对值的平均值。
7. 对数损失(Logarithmic Loss,LogLoss):模型预测概率分布与实际值之间的交叉熵。
这些指标可以根据具体的问题和数据集选择使用,综合考虑可以更全面地评估模型的性能。
回归模型评价指标里面有EC吗
回归模型评价指标中通常不包含EC。EC通常用于评估二分类模型(如逻辑回归、支持向量机等)的性能,代表着百分之多少的样本被正确分类。常见的回归模型评价指标包括均方误差(Mean Squared Error,MSE)、均方根误差(Root Mean Squared Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)等。