衡量回归模型的效果--R语言实现

    当预测变量是数值型变量时，我们通常会选择一些准确性的度量方法来评估模型的有效性，接下来我们总结了一些度量标准，并写出用R语言实现代码：

   1、均方根误差（root mean squared error,RMSE）

   2、均方误差（mean aquared  error,MSE）

3 、R^2 =r^2 表示数据中包含的信息中能被模型解释的比例

    R^2是一种相关性度量，而不是准确性度量标准

4、Spearman 秩相关系数

      建模的目的是对新样本进行排序时，可用Spearman 秩相关系数 定量度量模型的效果

     Spearman 秩相关系数的计算方法：首先计算观测值的秩，然后衡量它与预测值的秩的相关系数。

5、方差-偏差的均衡

    假设数据点是统计独立的，那么残差具有理论上的零均值和常数方差σ，那么

       

       偏差，反映的是模型的函数形式与预测变量、结果变量之间真实关系的接近程度。

       一般而言，复查的模型通常会有很高的方差，这会导致过度拟合；另一方面，简单的模型如果没有足够的灵活性来刻画真实的变量关系，那么通常会拟合不足，从而产生较高的偏差。这就是所谓的方差-偏差均衡。

6、计算

> oberved<-c(0.22,0.83,-0.12,0.89,