美文网首页机器学习
线性回归算法衡量指标

线性回归算法衡量指标

作者: SHAN某人 | 来源:发表于2018-10-16 16:09 被阅读22次

均方误差MSE (Mean Squared Error)

均方误差MSE

与目标公式



相比，除去了m 的影响，但是还有量纲的问题。这时我们就引入了均方根误差RMSE

均方根误差RMSE (Root Mean Squared Error)

均方根误差 RMSE

平均绝对误差 MAE (Mean Absolute Error)

平均绝对误差 MAE

可以用来评价回归算法，但是不好求导求极值

R^2 最好的评价方法

R^2

R方公式分母为基准模型预测的误差，分子为我们使用的模型预测产生的误差。

  • R^2 <= 1
  • R^2 越大越好,当我们的模型预测的误差是0时，得到最大值1
  • 当我们模型等于基准模型时,R^2为0
  • 如果R^2 < 0 ,说明我们的模型可能还不如基准模型。此时，很有可能我们的数据不存在任何线性关系。

相关文章

网友评论

    本文标题：线性回归算法衡量指标

    本文链接：https://www.haomeiwen.com/subject/mvehaftx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    机器学习

    关于我们|服务条款|联系我们|线性回归算法衡量指标|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！