1、均方误差(Mean Square 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。
2、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,其值越小说明拟合效果越好。
3、中值绝对误差
4、 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
方法使用
from sklearn.metrics import explained_variance_score, \
mean_absolute_error, mean_squared_error, \
median_absolute_error, r2_score
print('平均绝对误差为:', mean_absolute_error(data[y],data[y_pred])
print('均方误差为:', mean_squared_error(data[y],data[y_pred])
print('中值绝对误差为:', median_absolute_error(data[y],data[y_pred])
print('可解释方差值为:', explained_variance_score(data[y],data[y_pred])
print('R方值为:', r2_score(data[y],data[y_pred])