[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。