引言
在MATLAB中进行数据分析时,评估模型的性能通常涉及多种误差指标。这些指标包括误差平方和(SSE)、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、对称平均绝对百分比误差(SMAPE)和决定系数(R方)。这些指标各自提供了关于模型预测准确性的不同视角。本文将详细解释这些指标,并展示如何在MATLAB中计算它们。
一、误差指标详解
1.1 误差平方和(SSE)
误差平方和(Sum of Squares for Errors)是模型预测值与实际值之间差异的平方和。公式为:
S S E = ∑ i = 1 n ( y i − y ^ i ) 2 SSE = \sum_{i=1}^{n}(y_i - \hat{y}_i)^2 SSE=i=1∑n(yi−y^i)2
其中,$ y_i $ 是实际值,$ \hat{y}_i $ 是预测值,$ n $ 是数据点的数量。
1.2 均方误差(MSE)
均方误差(Mean Squared Error)是SSE除以数据点数量减去模型参数数量的结果。公式为:
M S E = S S E n − p MSE = \frac{SSE}{n - p} MSE=n−pSSE
其中,$ p $ 是模型参数的数量。
1.3 均方根误差(RMSE)
均方根误差(Root Mean Squared Error)是MSE的平方根。公式为:
R M S E = M S E RMSE = \sqrt{MSE} RMSE=