回归模型评价指标

回归模型应用场景:预测,趋势分析、投资风险分析等

(1)MAE(Mean Absolute Error)平均绝对差值

(2)MSE(Mean Square Error)均方误差,是回归任务最常用的性能度量,最小二乘估计也是使用均方误差

(3)log对数损失函数(逻辑回归):交叉熵损失,其实是由最大似然估计推导而来

(4)RMSE(Root Mean Square error)均方根误差

(5)Normalized root-mean-square deviation归一化均方差跟偏差

(6)  R2决定系数

R2反映了在因变量y的变差中被估计的回归方程所解释的比例。R2 越接近1,表明回归平方和占总平方和的比例越大,回归线与各观测点越接近,用x的变化来解释y值变差的部分就越多,回归的拟合程度就越好

(7) Pearson's Correlation Coefficient(皮尔逊相关系数)

皮尔逊相关也称为积差相关(或积矩相关),假设有两个变量X、Y,那么两变量间的皮尔逊相关系数可通过以下公式计算:

注意当两个变量的标准差都不为零时,相关系数才有定义,皮尔逊相关系数适用于:

  •  两个变量之间是线性关系,都是连续数据。
  •  两个变量的总体是正态分布,或接近正态的单峰分布。
  • 两个变量的观测值是成对的,每对观测值之间相互独立

(8) concordance correlation coefficient(一致性相关系数)

参考文献

1.机器学习模型相关评价指标最全总结。https://blog.csdn.net/tox33/article/details/81141485

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值