MSE和R2matlab

MSE和R2是两种常用的回归模型评估指标。MSE（Mean Squared Error）是均方误差，是预测值与真实值之差的平方和的平均值。R2（R-Squared）是决定系数，是预测值与真实值之间的相关性的平方。在MATLAB中，可以使用以下代码计算MSE和R2：

% 假设y_true和y_pred分别为真实值和预测值
mse = mean((y_true - y_pred).^2);
r2 = 1 - sum((y_true - y_pred).^2) / sum((y_true - mean(y_true)).^2);

相关问题

用MATLAB写一段通过mse计算r2值的代码

可以使用以下代码来计算通过 MSE（Mean Squared Error）计算 R2 值：

% 假设你有两个向量 y_true 和 y_pred，分别表示实际值和预测值

% 计算MSE
mse = mean((y_true - y_pred).^2);

% 计算R2
ss_res = sum((y_true - y_pred).^2);
ss_tot = sum((y_true - mean(y_true)).^2);
r2 = 1 - (ss_res / ss_tot);

% 输出结果
fprintf('MSE: %.4f\n', mse);
fprintf('R2: %.4f\n', r2);

其中，MSE 表示均方误差，R2 表示决定系数。