分类与预测算法评价标准

1.利用训练集对模型进行预测建模，利用测试集对模型进行验证分析，一般训练集数量与测试集数量为8:2；

2.模型预测效果评价指标：相对/绝对误差、平均绝对误差、均方根误差、平均绝对百分误差。

绝对误差：E=Y-Y1;其中E为绝对误差，Y为实际值，Y1为预测值；

相对误差：e=(Y-Y1)/Y;

平均绝对误差：

均方误差：避免正负误差不能相加，加强数值大的误差在指标中的作用，提高指标的灵敏性。

均方根误差： 代表预测值的离散程度。

平均绝对百分误差：一般认为其值小于10时，预测精度较高。

3.识别准确度：

TP：正确的肯定；

TN：正确的否定；

FP：错误的肯定；

FN：错误的否定；

4.识别精确度：

Precision=TP/(TP+FP)*100%

5.反馈率

Recall=TP/(TP+TN)*100%

6.ROC

7.混淆矩阵（Confusion Matrix)：样本数据的真实属性与识别结果类型之间的关系。

plotconfusion(target,y);