回归问题的评价指标有很多,这里一一进行详细分类:
点对点误差
MSE均方误差
MSE(Mean Square Error):
均方误差描述了样本真实值与预测值差方求和的平均值,在机器学习中,利用均方误差最小化优化模型的方法称为“最小二乘法”
RMSE
RMSE(Root Mean Square Error)即对MSE开平方根:
MAE平均绝对误差
MAE(Mean Absolute Erroe)即真实值与预测值差的绝对值和求平均:
带归一化的误差求解方法
MAPE
MAPE(Mean Absolute Percentage Error):
即求所有样本真实值与预测值差绝对值与真实值的比例的和求平均。
MSPE
MASE(Mean Scaled Percentage Error)平均平方百分比误差:
即求所有样本的真实值与预测值的差与真实值的比例求平方的和求平均。