前言
我们知道,模型再建立完毕之后,是不能立刻去部署,模型建立之后。下一步,需要对模型进行评估。标签列是连续的一般我们称为回归模型。
问题
回归的模型评估标准有哪些?公式是什么?如何使用?
解答
对于回归的模型评估的标准有很多,我们参考sklearn官方手册。所有的评估标准都在sklearn.metrics这个包的下面
这里包含了许多评估标准,我们常见的评估标准
explained_variance_score:解释回归模型的方差得分,其值取值范围是[0,1],越接近于1说明自变量越能解释因变量的方差变化,值越小则说明效果越差。公式
1- np.var( np.array(y_true)-np.array(y_pred) ) / np.var(y_true)
mean_absolute_error:平均绝对误差(Mean Absolute Error,MAE),用
于评估预测结果和真实数据集的接近程度的程度,其其值越小说明拟合效果越好。
mean_squared_error:均方差(Mean squared error,MSE),该指标计算的是拟合数据和原始数据对应样本点的误差的平方和的均值,其值越小说明拟合效果越好。
r2_score:判定系数,其含义是也是解释回归模型的方差得分,其值取值范围是[0,1],越接近于1说明自变量越能解释因变量的方差变化,值越小则说明效果越差。