第3关：衡量线性回归的性能指标

• 任务描述
• 相关知识
  • 前言
  • MSE
  • RMSE
  • MAE
  • R-Squared
• 编程要求
• 函数说明
• 测试说明

---

任务描述

本关任务：根据本关卡所学知识，用Python实现线性回归常用评估指标，并对构造的线性回归模型进行评估。

相关知识

为了完成本关任务，你需要掌握：1.均方误差(MSE)，2.均方根误差(RMSE)，3.平均绝对误差(MAE)，4.R-Squared。

前言

大家知道已经，机器学习通常都是将训练集上的数据对模型进行训练，然后再将测试集上的数据给训练好的模型进行预测，最后根据模型性能的好坏选择模型，对于分类问题，大家很容易想到，可以使用正确率来评估模型的性能，那么回归问题可以使用哪些指标用来评估呢？

MSE

MSE （Mean Squared Error）叫做均方误差,公式如下：

m1​sumi=1m​(yi−pi)2

其中yi表示第i个样本的真实标签，pi表示模型对第i个样本的预测标签。线性回归的目的就是让损失函数最小。那么模型训练出来了，我们在测试集上用损失函数来评估模型就行了。

RMSE

RMSE（Root Mean Squard Error）均方根误差，公式如下：

sqrtm1​sumi=1m​(yi−pi)2

RMSE其实就是MSE开个根号。有什么意义呢？其实实质是一样的。只不过用于数据更好的描述。

例如：要做房价预测，每平方是万元，我们预测结果也是万元。那么差值的平方单位应该是千万级别的。那我们不太好描述自己做的模型效果。怎么说呢？我们的模型误差是多少千万？于是干脆就开个根号就好了。我们误差的结果就跟我们数据是一个级别的了，在描述模型的时候就说，我们模型的误差是多少万元。

MAE

MAE(平均绝对误差)，公式如下：

m1​sumi=1m​∣yi−pi∣

MAE虽然不作为损失函数，确是一个非常直观的评估指标，它表示每个样本的预测标签值与真实标签值的L1距离。

R-Squared

上面的几种衡量标准针对不同的模型会有不同的值。比如说预测房价 那么误差单位就是万元。数子可能是3，4，5之类的。那么预测身高就可能是0.1，0.6之类的。没有什么可读性，到底多少才算好呢？不知道，那要根据模型的应用场景来。 看看分类算法的衡量标准就是正确率，而正确率又在0～1之间，最高百分之百。最低0。如果是负数，则考虑非线性相关。很直观，而且不同模型一样的。那么线性回归有没有这样的衡量标准呢？ R-Squared就是这么一个指标，公式如下：

R2=1−sumi​(ymeani​−yi)2sumi​(pi−yi)2​

其中ymean​表示所有测试样本标签值的均值。为什么这个指标会有刚刚我们提到的性能呢？我们分析下公式：

其实分子表示的是模型预测时产生的误差，分母表示的是对任意样本都预测为所有标签均值时产生的误差，由此可知：

1. R2leq1,当我们的模型不犯任何错误时，取最大值1；

2. 当我们的模型性能跟基模型性能相同时，取0；

3. 如果为负数，则说明我们训练出来的模型还不如基准模型，此时，很有可能我们的数据不存在任何线性关系。

编程要求

根据提示，在右侧编辑器Begin-End处补充代码，用Python实现R-Squared指标，并用实现的R-Squared指标来评估上一关的线性回归模型。

函数说明

• numpy方法：

  numpy.mean(array, axis) 指定轴上数组元素计算算术平均数。

  1. numpy.mean([ [1,2,3],
  2. [4,5,6],
  3. [7,8,9]],axis=0)
  4. [4. 5. 6.]

  numpy.var(array, axis) 指定轴上数组元素计算方差。

  1. numpy.var([ [1,2,3],
  2. [4,5,6],
  3. [7,8,9]],axis=0)
  4. [6. 6. 6.]

  numpy.ones(shape) 返回一个包含给定形状和数据类型的新数组。

  1. numpy.ones([3, 3])
  2. [[1. 1. 1.]
  3. [1. 1. 1.]
  4. [1. 1. 1.]]

  numpy.hstack((a, b)) 按水平方向（列顺序）堆叠数组构成一个新的数组。

  1. numpy.hstack(([1,2,3],[4,5,6]))
  2. [1 2 3 4 5 6]

  numpy.vstack((a, b)) 按垂直方向（行顺序）堆叠数组构成一个新的数组。

  1. numpy.vstack(([1,2,3],[4,5,6]))
  2. [[1 2 3]
  3. [4 5 6]]
• numpy线性代数方法：

  numpy.linalg.inv(m) 返回 m 的逆矩阵

  1. numpy.linalg.inv([[2,5],[1,3]])
  2. [[ 3. -5.]
  3. [-1. 2.]]

  numpy.dot(m1, m2) 矩阵 m1 与矩阵 m2 点乘。

  1. numpy.dot([[2,5],[1,3]], [[3,-5],[-1,2]])
  2. [[1 0]
  3. [0 1]]

  m.T 矩阵 m 的转置矩阵。

  1. m = np.array([[2,5],[1,3]])
  2. m.T
  3. [[2 1]
  4. [5 3]]

测试说明

只需返回预测结果即可，程序内部会检测您的代码，R-Squared指标高于0.6视为过关。

---

开始你的任务吧，祝你成功！

#encoding=utf8 
import numpy as np
#mse
def mse_score(y_predict,y_test):
    mse = np.mean((y_predict-y_test)**2)
    return mse
#r2
def r2_score(y_predict,y_test):
    '''
    input:y_predict(ndarray):预测值
          y_test(ndarray):真实值
    output:r2(float):r2值
    '''
    #********* Begin *********#
    r2=1-mse_score(y_predict,y_test)/np.var(y_test)
    '''
    mse_score函数是上述自定义的函数，用于计算均方误差，r2的计算公式在相 关知识中已经描述过。
    np.var用于计算一组数据的方差
    '''
    #********* End *********#
    return r2

#后面的代码段就是第二关的代码
class LinearRegression :
    def __init__(self):
        '''初始化线性回归模型'''
        self.theta = None
    def fit_normal(self,train_data,train_label):
        '''
        input:train_data(ndarray):训练样本
              train_label(ndarray):训练标签
        '''
        #********* Begin *********#
        x=np.hstack([np.ones((len(train_data),1)),train_data])
        self.theta=np.linalg.inv(x.T.dot(x)).dot(x.T).dot(train_label)  
        #********* End *********#
        return self
    def predict(self,test_data):
        '''
        input:test_data(ndarray):测试样本
        '''
        #********* Begin *********#
        x=np.hstack([np.ones((len(test_data),1)),test_data])
        return x.dot(self.theta)
        #********* End *********#