为什么在回归任务上,计算误差要使用:MAE,MSE,RMSE.

1. MAE

MAE的定义:预测值与实际值之差的绝对值的平均数
MAE的计算方式:
MAE的计算方式

2. MSE

MSE的定义:预测值与实际值之差的平方的平均数
MSE的计算方式:
MSE的计算方式

3. RMSE

RMSE的定义:MSE 的平方根
RMSE的计算方式:
RMSE的计算方式

从上面三个公式可以发现,对于三者,不管是预测值比实际值大,还是预测值比实际值小,都会被考虑到三个指标中,因为不管预测值比实际值大还是小,都属于误差。

此外,从三个公式中可以发现:
MAE对所有类型的错误都给予相同的权重, 因此对异常值不太敏感。
而MSE,由于对误差进行了平方,对于异常值来说,它的误差占比被放大,因此,MSE对异常值更加敏感。
对于RSME,虽然其对异常值不如MSE敏感,但还是要比MAE敏感。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
回答: 在回归模型中,我们可以使用MAE(平均绝对误差),MSE(均方误差)和RMSE(均方根误差)来评估模型的性能。MAE是预测值与实际值之间差值的绝对值的平均值,MSE是预测值与实际值之间差值的平方的平均值,而RMSEMSE的平方根。\[1\]通常情况下,我们希望这些误差越小越好,因为它们表示了模型的预测与实际值之间的差异程度。因此,当我们比较不同的回归模型时,我们可以使用这些指标来判断模型的好坏。如果MAEMSERMSE都较小,那么我们可以认为该回归模型较好。\[1\]此外,我们还可以使用残差图来评估回归模型的适用性。如果数据点在没有图案的线上随机分布,那么线性回归模型非常适合数据,否则我们应该考虑使用非线性模型。\[2\] #### 引用[.reference_title] - *1* *2* [回归问题的评价指标 MAE MSE RMSE R2 score Adjusted R2 score 和 重要知识点总结](https://blog.csdn.net/HzauTriste/article/details/127562028)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [回归模型评估指标(MAEMSERMSE、R²、MAPE)](https://blog.csdn.net/y15659037739l/article/details/123971286)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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