模型评价 - 判断数据模型拟合效果的三种方法

数据建模的目的就是获得从自变量映射到因变量的函数，在建模的探索过程中，不同的方式总会得出不同的函数模型，而这些函数大多是由一些参数构成的，比如 y = f（ x; w0, w1, w2, w3, ...）。

 

平方损失函数

为了选择在某种方式下最好的参数值（ w0, w1, w2, w3, ...的值），这个衡量方法一般是比较原始数据与模型的预测数据之间的平方差，平方差定义为：

[（y（原始）-y（预测））**2 ] / N = [（y（原始）- f（ x; w0, w1, w2, w3, ...））**2 ] / N

这个数值越小，说明模型的预测值越接近原始值，也就代表模型越好。上述表达式也称为平方损失函数。

 

绝对损失函数

平方损失是非常常见的选择，其他的损失函数比较适合回归，比如另一个常见的是绝对损失函数。

| y（原始）-y（预测）|  / N = | y（原始）- f（ x; w0, w1, w2, w3, ...）|  / N

 

准确率

用准确率判断模型好坏比较适合分类问题，即因变量是固定的几个值，比如自变量是0或1的二分类问题。准确率