前言
回归问题指标计算入门。
RSE (Relative Squared Error)
相对平方误差是预测值与实际值之间的平方差与实际值的平方差的比率。计算公式如下:
其中,$ y_i $ 是第 $ i $ 个观测值,$ \hat{y}_i $ 是对应的预测值,$ \bar{y} $ 是观测值的均值,$ n $ 是样本数量。
RAE (Relative Absolute Error)
相对绝对误差是预测值与实际值之间的绝对差与实际值的绝对差的比率。计算公式如下:
MSE (Mean Squared Error)
均方误差是预测值与实际值之间的平方差的平均值。计算公式如下:
RMSE (Root Mean Squared Error)
均方根误差是均方误差的平方根,它提供了预测误差的标准化度量。计算公式如下:
MAE (Mean Absolute Error)
平均绝对误差是一种常用的回归问题评价指标,用于衡量预测值与真实值之间的偏差程度。它的计算基于所有预测值与对应真实值之间绝对误差的平均值,因此对所有个体错误给予相同权重,不考虑误差的方向,只关注其大小。MAE的计算公式如下:
其中:
- $n$ 表示样本的数量。
- $y_i$ 表示第 $ i $ 个样本的真实值。
- $ \hat{y}_i $ 表示第 $ i $ 个样本的预测值。
- $ | \cdot | $ 表示绝对值函数,确保误差值为非负。
MAPE (Mean Absolute Percentage Error)
平均绝对百分比误差是预测值与实际值之间的绝对百分比误差的平均值。计算公式如下:
Correlation (Pearson Correlation Coefficient)
相关系数衡量了预测值与实际值之间的线性关系强度和方向。计算公式如下:
其中,$ \bar{y} $ 和 $ \bar{\hat{y}} $ 分别是观测值和预测值的均值。
后记
首发于 silencezheng.top,转载请注明出处。