昨天咸鱼了一天…今天继续。
有三种比较常见的测评函数来对模型进行评价:平均绝对误差(MAE),均方误差(MSE),R-squared(也叫R平方)这样三个参数。
里面提到一个预测结果是y拔,叫做回归模型的预测结果。还有共m个目标数值yi【这个目标数值应该指的是实际结果的y。
然后平均绝对误差就是((( 每一个目标数值分别与预测结果的差 ) 的绝对值 ) 的平均数 )。噫。
然后均方误差就是((( 每一个目标数值分别与预测结果的差 ) 的平方 ) 的平均数 )。
R平方里面与目标数值做差的数是[ 回归模型根据特征向量Xi的预测值 ]。
(╯﹏╰)我感觉这个是能够理解的,前面那个y拔不是很清楚,他是什么方式回归出来一个数?那个是yi的平均数?
???
行吧,然后R平方就是1-(( 每一个目标数值分别和预测结果的差 ) 的平方 ) / ((每一个目标数值分别和 ( 根据特征向量的预测值 )的差 ) 的平方)
……
嗯,然后后面分别引入了三个包,得到评估的结果。里面R2评估函数的参数是y_test和y_predict。但是MAE和MSE的参数都是套了个inverse_transform的两个数值。
然后我就百度了一下这个函数,发现了一个大佬。
http://blog.csdn