简单线性回归算法的衡量指标探索

分类中使用分类准确度衡量分类的准确度

#简单线性回归该如何衡量预测的结果?

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

可以通过测试集中的真实值与预测值进行比较,如上图,比较误差平方

#存在的问题:误差与样本的数量有关?

改进:除以m,使得结果与m无关

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

#存在问题2:结果为衡量指标值的平方,值较大时平方翻倍了影响较大,与量纲有关?

改进:开方后量纲一致

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

#另一个评测标准:

平均绝对误差

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

代码实现

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

RMSE与MAE的比较

2.4 线性回归算法学习——简单线性回归算法的衡量指标探索

量纲一样,RMSE是将错误平方累加取均值再开跟,当错误值非常大的时候在开方的时候就将错误值放大了而后取得是均值,所以RMSE将错误相对放大了,所以要比MAE要大

相关文章:

  • 2021-11-21
  • 2021-12-30
  • 2021-11-18
  • 2022-01-21
猜你喜欢
  • 2021-08-08
  • 2021-12-14
  • 2021-07-08
  • 2021-11-29
  • 2021-10-08
  • 2021-09-14
  • 2021-08-06
相关资源
相似解决方案