回归算法的评估指标

回归算法：对历史数据进行拟合，形成拟合方程。接下来使用该方程对新数据进行预测。下图中红线表示的是一元数据的拟合方程，如果数据是二元数据，那么它的拟合方程就是一个拟合平面，对于更高维的数据，它的拟合方程将更加复杂。

​对于回归算法，我们评价它的好坏，就是看它的预测结果与我们的真实结果的差异大小。在回归算法中，我们最常用的评估指标分别是：平均绝对值误差，平均绝对百分比误差、均方误差，均方根误差，可决系数、校正决定系数、误差平方和。

1.平均绝对值误差

 计算每一个样本的预测值和真实值的差的绝对值，然后求和再取平均值。其公式如下， Yi为真实值， F（Xi）算法的预测值。，可以更好地反映预测值误差的实际情况 ，在线性回归的时候我们的目的就是让这个损失函数最小。

Python方法：

MAE_1 = np.mean(abs(y_test -