残差平方和（RSS）、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、标准差（SD)

最新推荐文章于 2025-03-21 12:02:04 发布

虹猫、少侠

最新推荐文章于 2025-03-21 12:02:04 发布

阅读量5.3w

点赞数 17

分类专栏：误差文章标签：机器学习深度学习

本文链接：https://blog.csdn.net/YUZHOUYANGAND/article/details/118404590

版权

误差专栏收录该内容

1 篇文章

订阅专栏

本文介绍了统计学中衡量模型拟合度的重要概念，如残差平方和（RSS）、均方误差（MSE）和均方根误差（RMSE），它们用于评估预测模型的精度。RSS越小，拟合度越好；MSE和RMSE则反映了数据变化程度，值越小，模型精确度越高。此外，平均绝对误差（MAE）作为另一种评估指标，更直观地呈现预测误差的实际情况。标准差（SD）衡量数据的离散程度，帮助理解数据的稳定性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

残差平方和（RSS）
统计学上把数据点与它在回归直线上相应位置的差异称为残差，把每个残差平方之后加起来称为残差平方和（相当于实际值与预测值之间差的平方之和）。它表示随机误差的效应。一组数据的残差平方和越小,其拟合程度越好。
残差平方和是在线性模型中衡量模型拟合程度的一个量，用连续曲线近似地刻画或比拟平面上离散点组，以表示坐标之间函数关系的一种数据处理方法。
均方误差(MSE)
均方误差是指参数估计值与参数真值之差平方的期望值
在样本量一定时，评价一个点估计的好坏标准使用的指标总是点估计与参数真值的距离的函数，最常用的函数是距离的平方，由于估计量具有随机性，可以对该函数求期望，这就是下式给出的均方误差：
在这里插入图片描述
MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。
均方根误差(RMSE)
均方根误差亦称标准误差
均方误差:均方根误差是均方误差的算术平方根

平均绝对误差(MAE) :Mean Absolute Error
平均绝对误差是绝对误差的平均值
平均绝对误差能更好地反映预测值误差的实际情况

标准差SD(Standard Deviation)
Standard Deviation ，标准差是方差的算数平方根.是用来衡量一组数自身的离散程度.
在这里插入图片描述