一、针对回归(拟合)问题:
1.MAE(平均绝对误差)
2.MSE(均方误差)
3.均方根误差(RMSE)
4.R方系数
R方系数取值为1,说明完美拟合;
取值为0,说明拟合的是目标的均值;
取值为负数,说明拟合不理想。
MAE,MSE,RMSE的区别和联系:
1.三者的取值范围都是0-∞;
2.MSE的单位和目标不同,其他和目标一致;
3.三者对预测错误的正负不敏感;
4.三者都是越小越好;
5.RMSE对离群点敏感;
6.MAE对离群点鲁棒。
二、分类问题:
1.错误率就是分错的样本占总样本个数;
精度就是分对的样本占总样本个数;
但是,高精度不一定就代表这个模型分类效果很好;比如,90个桃和10个苹果放在黑箱子里,我不需要任何技术,我把里面全部判断为桃子,我的分类精度也能高达90%,
因此引入混淆矩阵
2.混淆矩阵
根据混淆矩阵,会计算Precision,Recall,F1-score
选学马修斯相关系数MCC: