【机器学习】回归算法评估指标全总结(2023最新整理)关键词：MAE、MSE、RMSE、R2(随时补充)

回归算法中常用的评价指标：MAE、MSE和RMSE

1. MAE（Mean Absolute Error：平均绝对误差）

其中，表示真实值，表示预测值  

mean_absolute_error = np.sum(np.absolute(y_true - y_predict)) / len(y_true)

 2. MSE（Mean Square Error:均方误差）

真实值减预测值的平方和除以预测样本大小，使得其与测试样本大小无关。 

mean_squared_error = np.sum((y_true-y_predict)**2) / len(y_predict)

3. RMSE（Root Mean Square Error:均方根误差）

RMSE = MSE均方误差 开根号 

root_mean_squared_error = sqrt(mean_squared_error)

4. R Squared（R2）

 R平方也称为决定系数，用于确定数据与拟合回归线的接近程度。

 “决定系数”的正常取值范围为[0，1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好

r_squared = 1 - mean_squared_error / np.var(y_true)

5. 图解

6. 总结

来源：

徐惠荣. 基于可见/近红外光谱的水果糖度检测模型优化及应用研究[D].浙江大学,2010. 

分类算法评估指标全总结：

(4条消息) 【机器学习】分类算法评估指标全总结(2023最新整理)关键词：准确率Accuracy、精确率Precision、召回率Recall、Micro F1、P-R、ROC、MCC、Cohen‘s kappa_daphne odera�的博客-CSDN博客

参考：

(4条消息) 基本概念--MAE、MSE和RMSE_mae和mse_萌小博的博客-CSDN博客

(5条消息) 线性回归算法评估指标MSE、RMSE、MAE、R方_mse和rmse的区别_德乌大青蛙的博客-CSDN博客