MSE, R2, R等误差指标

---

前言

记录一下matlab神经网络学习中的各种评价指标。

---

1 均方误差 MSE ( Mean Squared Error)

括号内是测试集上真实值减去预测值
Matlab中Performance即MSE, 如下图：

但matlab自动计算的mse是原始数据的，不是归一化之后的。
当我把matlab神经网络中归一化语句删掉：
% net.input.processFcns = {‘removeconstantrows’,‘mapminmax’};
% net.output.processFcns = {‘removeconstantrows’,‘mapminmax’};

将输入的数据手动提前归一化后：
datamaxmin = mapminmax(DATA_origin,0,1);

mse的值不一样。

2 均方根误差 RMSE ( Root Mean Squared Error)

RMSE是根号下MSE

3 平均绝对误差 MAE ( Mean Absolute Error)

4 决定系数R2 ( R-Square )

一般以R2作为回归性能的优劣标准
在matlab中我没有找到R2的函数，所以自己写的。

5 相关系数 R

Matlab神经网络中自动计算并绘图的是相关系数R, 如下图：

也可以使用corrcoef函数计算相关系数R：
[R ,~] = corrcoef(y,t)