模型评估：可决系数与纳什效率系数

~hello world~

已于 2023-03-31 22:45:03 修改

阅读量7k

点赞数 6

分类专栏：学习笔记文章标签：机器学习 python 人工智能

于 2023-03-31 22:41:37 首次发布

本文链接：https://blog.csdn.net/qq_50086023/article/details/129887561

版权

学习笔记专栏收录该内容

6 篇文章

订阅专栏

可决系数R2衡量统计模型的拟合优度，取值范围在0到1之间，值越接近1表示模型拟合越好。纳什效率系数NSE用于评估模拟模型如水文模型的预测精度，范围为(-∞,1]，NSE接近1表示预测能力越强。在回归分析中，NSE与R2等价，均取值在0到1之间。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、可决系数 R²

可决系数（Coefficient of determination，R）是用来度量一个统计模型的拟合优度的。其数学表达式如下：
在这里插入图片描述
式中：y_i 是变量观测值； $\overline{y}$ 是变量观测值的均值；
$\hat{y}_i$ 是统计模型的变量模拟值；
R² 的取值范围为[0,1]。

2、纳什效率系数 NSE

纳什效率系数（Nash-Sutcliffe Efficiency, NSE）常用于用于量化模拟模型（如水文模型）的预测精度。其数学表达式如下：
在这里插入图片描述
式中：y_i^pred 是预测模型对变量的预测值。预测值属于回归样本外得到的预测结果，和回归模型的模拟值有很大区别，模型误差的平方和 ( y_i− y_i^pred)² 可能大于总平方和 ( y_i− $\overline{y}$ )² ，对于一个完美的模型，估计的误差的方差等于0，则 NSE=1；相反，一个模型产生的估计误差方差等于观察到的时间序列的方差，结果 NSE=0。实际上，NSE=0表示该模型具有与时间序列平均值相同的预测能力，即误差平方和。当预测模型得到的估计误差方差显著大于观测值方差时，NSE<0。NSE值越接近1，表明模型预测能力越好。因此NSE的取值范围为 (- $\infty$ , 1]。
但是，如果将NSE用于模型回归中，则和 R² 完全等价，范围是[0,1]。