回归问题
回归问题是机器学习要解决的四大问题之一,在我们的生活中也存在着很多回归问题。比如某一地区的房价预测,某一个学生高考成绩的预测,某一地区感染病毒人数的预测,某一公司2020年营业收入的预测等等。从以上的例子中,我们可知回归问题的目标是预测一个数值或者一个区间数值。
回归模型
回归模型是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测分析,时间序列模型以及发现变量之间的因果关系。例如,司机的鲁莽驾驶与道路交通事故数量之间的关系,最好的研究方法就是回归。
回归模型的评估指标:
- 解释方差(explained_variance)
- 平均绝对值误差(MAE)
- 平均绝对百分比误差(MAPE)
- 均方误差(MSE)
- 均方根误差(RMSE)
- 可决系数(R²)
解释方差(explained_variance)
假 定 y i 为 真 实 值 , f ( x i ) 为 预 测 值 ( 后 同 ) 假定y_{i\,\,}为真实值,f\left( x_i \right) \,\,为预测值(后同) 假定yi为真实值,f(xi)为预测值(后同)
,且Var为方差,那么解释方差的计算公式为:
e x p l a i n e d _ v a r i a n c e _ s c o r e = 1 − V a r { y i − f ( x i ) } V a r ( y i ) explained\_variance\_score\,\,=\,\,1-\frac{Var\left\{ y_i-f\left( x_i \right) \right\}}{Var\left( y_i \right)} explained_variance_score=1−Var(yi)Var{ yi−