用于回归问题的模型评价:MSE、RMSE、MAE、R-Squared

日萌社

人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新)


代码部分
MSE
	y_preditc=reg.predict(x_test) #reg是训练好的模型
	mse_test=np.sum((y_preditc-y_test)**2)/len(y_test) #跟数学公式一样的

RMSE
	rmse_test=mse_test ** 0.5

MAE
	mae_test=np.sum(np.absolute(y_preditc-y_test))/len(y_test)

R-Squared
	1- mean_squared_error(y_test,y_preditc)/ np.var(y_test)

scikit-learn中的各种衡量指标
	from sklearn.metrics import mean_squared_error #均方误差
	from sklearn.metrics import mean_absolute_error #平方绝对误差
	from sklearn.metrics import r2_score#R square
	#调用
	mean_squared_error(y_test,y_predict)
	mean_absolute_error(y_test,y_predict)
	r2_score(y_test,y_predict)
扫描二维码关注公众号,回复: 9343118 查看本文章
发布了308 篇原创文章 · 获赞 112 · 访问量 18万+

猜你喜欢

转载自blog.csdn.net/zimiao552147572/article/details/104383330
今日推荐