残差平方和(RSS)
统计学上把数据点与它在回归直线上相应位置的差异称为残差,把每个残差平方之后加起来 称为残差平方和(相当于实际值与预测值之间差的平方之和)。它表示随机误差的效应。一组数据的残差平方和越小,其拟合程度越好。
残差平方和是在线性模型中衡量模型拟合程度的一个量,用连续曲线近似地刻画或比拟平面上离散点组,以表示坐标之间函数关系的一种数据处理方法。
均方误差(MSE)
均方误差是指参数估计值与参数真值之差平方的期望值
在样本量一定时,评价一个点估计的好坏标准使用的指标总是点估计与参数真值 的距离的函数,最常用的函数是距离的平方,由于估计量 具有随机性,可以对该函数求期望,这就是下式给出的均方误差:
MSE可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度。
均方根误差(RMSE)
均方根误差亦称标准误差
均方误差:均方根误差是均方误差的算术平方根
平均绝对误差(MAE) :Mean Absolute Error
平均绝对误差是绝对误差的平均值
平均绝对误差能更好地反映预测值误差的实际情况
标准差SD(Standard Deviation)
Standard Deviation ,标准差是方差的算数平方根.是用来衡量一组数自身的离散程度.
残差平方和(RSS)、均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)、标准差(SD)
最新推荐文章于 2023-04-19 15:37:14 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)