回归算法的评估指标

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。

回归算法的评估指标：

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，我们最常用的四种评估指标分别是：平均绝对值误差，均方误差，均方根误差，可决系数。接下来，我们以boston房价数据集为例，来详细说明每一个评估指标。并分别采用python的numpy库和Sklearn.metrics模块下专有的计算方法来计算这些指标的具体数值。

1.平均绝对值误差（$MAE$）

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，$y_i$为真实值，$f(x_i)$与算法的预测值。
$$MAE=\frac{1}{m}\sum _{i=1}^m(|y_i-f(x_i)|)$$
导入boston数据集，建立基本的线性回归模型，并使用模型对测试样本进行预测。

#导入数据分析的常用工具包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
%matplotlib inline

#导入boston房价数据集
boston = datasets.load_boston()
#导入特征
X = boston.data
#导入标签
y = boston.target

#对原始数据进行切分
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size &