RMSE，R2 ，SSE，MSE的定义

[模型检验指标]

RMSE : 很大可能是因为数据的数值本身很大，比如单位选取之类都会影响它的大小。

R2 : 可以直接表示你用来拟合的模型是否描述你的数据

而RMSE则必须和你数据本身进行对比之后才有价值

SSE ： 该统计参数计算的是拟合数据和原始数据对应点的误差的平方和

MSE(均方差) = SSE/n 该统计参数是预测数据和原始数据对应点误差的平方和的均值

RMSE(均方根) 该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，

***************************

以上都是预测数据与原始数据对应点的评价，就是点与点的差别

以下都与原始数据均值相比较的

***************************

SSR：预测数据与原始数据均值之差的平方和

SST：原始数据与原始数据均值之差的平方和

SST = SSE+SSR

R-square(确定系数)

=SSR/SST=1-SSE/SST

“确定系数”是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以知道“确定系数”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。