ML(6)-Evaluate模型评估方法

---

线性回归算法评估方式

• MSE/RMSE/MAE/R Squared

1. 均方误差MSE（mean squared error）: $mse=\frac{{\sum }_{i=1}^m({\hat{y}}_i-y_i{)}^2}{m}$
   （mse的标量是真实标量的平方，线性回归损失函数也用此公式）

2. 均方根误差RMSE（root mean squared error）:$rmse=\sqrt{\frac{{\sum }_{i=1}^m({\hat{y}}_i-y_i)}{m}}$
   （预测值与真实值误差为 $\pm rmse$）

3. 均方绝对误差MAE（mean absolute error）:$mae=\frac{{\sum }_{i=1}^m|{\hat{y}}_i-y_i|}{m}$
   （预测值与真实值误差为 $\pm mae$）

4. R Squared:
   

• 公式中：分式---->分子即为模型预测产生误差用MSE计算，分母为模型的基准误差(方差也就是最大误差)。预测产生的误差与最大误差的比。
• 因为1减去分式，所以 R 2 <