[基本功]回归模型评价标准

1. 均方误差(MSE, Mean Square Error)

   预测值与真实值偏差的平方和的平均数。
   $$MSE(y,\hat{y})=\frac{1}{n}\sum _{i=1}^n(y_i-{\hat{y}}_i{)}^2$$

2. 均方根误差(RMSE, Root Mean Squared Error)

   MSE的平方根。数量级与真实值相同。
   $$RMSE(y,\hat{y})=\sqrt{\frac{1}{n}\sum _{i=1}^n(y_i-{\hat{y}}_i{)}^2}$$

3. 平均绝对误差(MAE, Mean Absolute Error)

   预测值与真实值偏差的绝对值的平均数。
   $$MAE(y,\hat{y})=\frac{1}{n}\sum _{i=1}^n|y_i-{\hat{y}}_i|$$

4. 平均绝对百分比误差(MAPE, Mean Absolute Percentage Error)

   预测值与真实值偏差/真实值的绝对值的平均数。
   $$MAPE(y,\hat{y})=\frac{1}{n}\sum _{i=1}^n\frac{|y_i-{\hat{y}}_i|}{|y_i|}$$

5. 决定系数（拟合优度，$R^2$）
   $$R^2=1-\frac{{\sum }_{i=1}^n(y_i-{\hat{y}}_i{)}^2}{{\sum }_{i=1}^n(y_i-\overline{y}{)}^2}=\frac{ESS}{TSS}=1-\frac{RSS}{TSS}$$

6. 调整$R^2$

   考虑了自变量数量的$R^2$
   $$Adjusted{R}^2=1-(1-R^2)\frac{n-1}{n-k-1}$$

7. 残差图

   残差为$y-\hat{y}$，残差图纵轴为残差，横轴为y等等

   如果残差在0附近随机变化说明满足回归模型的假定。