预测的性能的评价标准

1.决定系数（ R2）

定义

      R2决定系数是对线性模型评估的一种评价指标，其值最大为1，最小为0，当值越接近于1，则说明模型越好；值越接近于0，则模型越差。

计算过程
使用yi表示真实的观测值，使用y_hat表示真实观测值的平均值，使用yi_表示预测值，于是就产生下以下的指标：

回归平方和（SSR）
 
估计值与平均值的误差，反映自变量与因变量之间的相关程度的偏差平方和

残差平方和（SSE）
 
即估计值与真实值的误差，反映模型拟合程度

总离差平方和（SST）


即平均值和真实值之间的误差，反映与数学期望的偏离程度

R2 score ，即决定系数
反映因变量的全部变异能通过回归关系被变量解释的比例，计算公式：

 
即

 
进一步化简为：
​
如此一来，分子就变成了常用的评价指标，均方误差MSE，分母则变成了方差，对于

       可以通俗的理解为使用均值作为误差基准，看预测误差是否大于或者小于均值基准误差
若：
       R2 score = 1，样本中预测值和真实值完全相等，没有任何误差，表示回归分析中自变量对因变量的解释越好
       R2 score = 0，此时分子等于分母，样本的每项预测值都等于均值
 

2.一致相关系数( CCC )

链接：【临智说一说】第四节 一致性与相关性的区别及其评价指标 (qq.com)

3.均方根误差( RMSE )

4.平均误差( ME )

5.预测区间覆盖概率( PICP )（评估不确定性估计）

链接：深度神经网络的不确定性（下）_深度网络模型检测不确定性-CSDN博客