機器學習1-關於回歸問題的準確性評價
阿新 • • 發佈：2018-03-30
均方誤差 定性 完美 absolute post div red ria var
網址https://book.douban.com/reading/46607817/
建立回歸器後，需要建立評價回歸器擬合效果的指標模型。
平均誤差(mean absolute error):這是給定數據集的所有數據點的絕對誤差平均值
均方誤差(mean squared error):給定數據集的所有數據點的誤差的平方的平均值，最流行
中位數絕對誤差(mean absolute error)：給定數據集的所有數據點的誤差的中位數，可以消除異常值的幹擾
解釋方差分(explained variance score)：用於衡量我們的模型對數據集波動的解釋能力，如果得分為1.0，表明我們的模型是完美的。
R方得分(R2 score)：讀作R方，指確定性相關系數，用於衡量模型對未知樣本預測的效果，最好的得分為1.0，值也可以是負數。
對應代碼：
import sklearn.metrics as sm print(‘mean absolute error=‘,round(sm.mean_absolute_error(y_test,y_test_pre),2)) print(‘mean squared error=‘,round(sm.mean_squared_error(y_test,y_test_pre),2)) print(‘median absolute error=‘,round(sm.median_absolute _error(y_test,y_test_pre),2)) print(‘explained variance score=‘,round(sm.explained_variance _score(y_test,y_test_pre),2)) print(‘R2 score=‘,round(sm.r2_score(y_test,y_test_pre),2))
通常情況下，盡量保證均方誤差最低，而且解釋方差分最高。
機器學習1-關於回歸問題的準確性評價