评估决策树/forrest 模型的准确性答案

【问题标题】：evaluating accuracy of decision tree/forrest model评估决策树/forrest 模型的准确性
【发布时间】：2018-08-26 18:57:07
【问题描述】：

我对 ML 比较陌生。我创建了一个决策树模型来根据某些标准预测商品的价格。

例如，假设模型根据发动机尺寸、车门数量、燃料类型、里程和车龄等几个特征来预测汽车的价格。

数据分析表明我的数据不是线性的，因此决策树更适合。该模型在预测方面也做得很好，但在我将它提供给任何用户之前，我需要量化它的准确性。

由于它的非线性，R 平方似乎不是评估准确性的好方法，但我不确定我应该使用什么。

感谢您对此的任何建议。

【问题讨论】：

【解决方案1】：

在这些情况下，您通常可以做的是使用评估指标针对测试集或保留集（未在模型构建期间使用）评估模型的性能。

对于回归问题（如您所描述的问题），有几个evaluation metrics 可用。最常见的是 MAE (Mean Absolute Error) 和 RMSE (Root Mean Squared Error)

要充分了解您的模型的性能有多好，您可以将其与其他模型或简单的基线进行比较（例如始终预测平均价格，或返回训练集中最相似汽车的价格） .

【讨论】：