回归问题评估指标

100-Same Tree | Links:

均方差MSE

• 公式：\(\mathrm{MSE}=\frac{1}{n} \sum_{i=1}^{n}\left(\widehat{y_{i}}-y_{i}\right)^{2}\)
• 预测值和真实值之间误差的平方和的平均，越低越好
• 误差之间权重不同：误差大权重大

平均绝对误差 MAE

\(\mathrm{MAE}=\frac{1}{n} \sum_{i=1}^{n}\left|y_{i}-\hat{y}_{i}\right|\)

• 预测值和真实值之间误差的绝对值的平均， 越低越好
• 误差权重一致

均方根误差 RMSE

• 公式：\(R M S E=\sqrt{M S E}\)
• 削弱MSE的幅度

R2

• 公式：\(R^{2}=1-\frac{\sum_{i=1}^{n}\left(y_{i}-\hat{y}_{i}\right)^{2}}{\sum_{i=1}^{n}\left(y_{i}-\bar{y}\right)^{2}}\)
• 得到[0,1]之间的分数，模型对方差的解释力,越接近1越好