回归问题评估模型的三个指标
回归模型三种损失函数
回归问题看的是我们预测的y值和原始的y值相差到底有多大,我们通常都会训练多个模型,可以通过下面几个方法来评估模型的好坏。
对于回归模型效果的判断指标经过了几个过程,从SSE到R-square再到Ajusted R-square, 是一个完善的过程:
SSE(误差平方和):The sum of squares due to error MSE(均方误差):Mean square error
R-square(决定系数):Coefficient of determination
Adjusted R-square:Degree-of-freedom adjusted coefficient of determination
下面我对以上几个名词进行详细的解释下,相信能给大家带来一定的帮助!!
一、SSE(误差平方和)
计算公式如下:
同样的数据集的情况下,SSE越小,误差越小,模型效果越好
缺点:
SSE数值大小本身没有意义,随着样本增加,SSE必然增加,也就是说,不同的数据集的情况下,SSE比较没有意义
二、MSE(均方误差)
计算公式如下:
这是SSE的一个变形,和L2损失函数是一样的。如果回归模型的损失函数是L2,做验证的时候可以直接用损失函数来评估模型。
三、R-square(决定系数)
计算公式如下:
数学理解: 分母理解为原始数据的离散程度,分子为预测数据和原始数据的误差,二者相除可以消除原始数据离散程度的影响
其实“决定系数”是通过数据的变化来表征一个拟合的好坏。
理论上取值范围(-∞,1], 正常取值范围为[0 1] ------实际操作中通常会选择拟合较好的曲线计算R²,因此很少出现-∞
越接近1,表明方程的变量对y的解释能力越强,这个模型对数据拟合的也较好
越接近0,表明模型拟合的越差
经验值:>0.4, 拟合效果好
缺点:
数据集的样本越大,R²越大,因此,不同数据集的模型结果比较会有一定的误差
三、Adjusted R-Square (校正决定系数)
计算公式如下:
n为样本数量,p为特征数量
消除了样本数量和特征数量的影响
————————————————
版权声明:本文为CSDN博主「Dana-Song」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/shy19890510/article/details/79375062
回归问题评估模型的三个指标相关推荐
- python逻辑回归模型建模步骤_Python逻辑回归——建模-评估模型
学完线性回归,逻辑回归建模+评估模型的过程就相对好理解很多.其实就是换汤不换药. 逻辑回归不是回归算法,而是分类算法,准确来说,叫逻辑分类 逻辑分类本质上是二分分类,即分类结果标签只有两个 逻辑回归建 ...
- 小红书KOC获得“官方认可”丨价值评估模型
近期,不少粉丝量1k-5k的素人博主被小红书平台邀请提前开启[蒲公英内容合作]权限,新一轮种草的高峰期来了!但这些素人博主(KOC)真的值得品牌投放吗?本文和大家一起探讨KOC的商业价值. 小红书KO ...
- R语言glm拟合logistic回归模型:模型评估(计算模型拟合的统计显著性)、模型评估(赤信息AIC指标计算)
R语言glm拟合logistic回归模型:模型评估(计算模型拟合的统计显著性).模型评估(赤信息AIC指标计算) 目录
- R语言构建logistic回归模型并评估模型:构建基于混淆矩阵计算分类评估指标的自定义函数、阳性样本比例(垃圾邮件比例)变化对应的分类器性能的变化、基于数据阳性样本比例选择合适的分类评估指标
R语言构建logistic回归模型并评估模型:构建基于混淆矩阵计算分类评估指标的自定义函数.阳性样本比例(垃圾邮件比例)变化对应的分类器性能的变化.基于数据阳性样本比例选择合适的分类评估指标 目录
- R语言构建logistic回归模型并评估模型:计算混淆矩阵、并基于混淆矩阵计算Accuray、Precision、Recall(sensitivity)、F1、Specificity指标
R语言构建logistic回归模型并评估模型:计算混淆矩阵.并基于混淆矩阵计算Accuray.Precision.Recall(sensitivity).F1.Specificity指标 目录
- 回归模型和时间序列模型中的MAPE指标是什么?MAPE指标解读、MAPE越大越好还是越小越好、使用MAPE指标的注意事项
回归模型和时间序列模型中的MAPE指标是什么?MAPE指标解读.MAPE越大越好还是越小越好.使用MAPE指标的注意事项 目录
- R语言构建logistic回归模型并评估模型:模型预测结果抽样、可视化模型分类预测的概率分布情况、使用WVPlots包绘制ROC曲线并计算AUC值
R语言构建logistic回归模型并评估模型:模型预测结果抽样.可视化模型分类预测的概率分布情况.使用WVPlots包绘制ROC曲线并计算AUC值 目录
- R语言构建xgboost模型并评估模型(测试集、训练集每一轮):误分类率指标(misclassification rate)、logloss
R语言构建xgboost模型并评估模型(测试集.训练集每一轮):误分类率指标(misclassification rate).logloss 目录
- ML之ME/LF:机器学习中回归预测模型评估指标(MSE/RMSE/MAE)简介、使用方法、代码实现、案例应用之详细攻略
ML之ME/LF:机器学习中回归预测模型评估指标(MSE/RMSE/MAE)简介.使用方法.代码实现.案例应用之详细攻略 目录 回归预测问题中评价指标简介 RMSE 标准差SD MSE函数
最新文章
- python【力扣LeetCode算法题库】151- 翻转字符串里的单词
- 在往sql server 插入数据时 报此错误“ 消息 8152,级别 16,状态 14,第 1 行 将截断字符串或二进制数据。”...
- 预告 | 旷视天元的前世今生与移动端推理优化@清华专场
- hexo 环境变量_Hexo自动部署
- mysql存储过程语法和游标的语法_MySQL游标存储过程-语法点滴
- RFID技术正助力物流行业进入新时代
- excel处置4000行数据卡_Pandas读取并修改excel的示例代码
- 网页设计与制作教程(第2版)刘瑞斯+课本演练代码
- solidworks装配体改为柔性_SolidWorks零件改名后与工程图关联教程
- HDU2586 How far away ?(LCA模板题)
- 清华大学计算机系学术委员会,清华大学学术委员会召开2018年度全体会议
- RIME中州韵输入法lua配置获取当前时间(二)
- Python模块之Pandas模块学习笔记
- mybatis Sql查询 返回对象或者list数据中包含一个对象的list集合
- 我是如何拿到:百度 腾讯 头条 美团 度小满等互联网offer的?
- python 斗地主发牌_tkinter模拟斗地主发牌
- 《认知天性:让学习轻而易举的心理学规律》
- 计算机itunes无法安装,itunes无法安装电脑
- 周伯文,刘强东的技术“知己”
- 从新建文件夹开始构建ShadowPlay Engine(5)