最近做一个算法,直接算法中就计算了一个叫做RMSE的值,开始出来我以为是准确率,类似于,clf.score,后来想想好像不对,所以就看来一些文章来研究了一下这些的含义。

预测值和真值相差的平方和是SSE,也就是误差平方和,这肯定是越小越好了,相当于一个误差累计。当然这个SSE越接近于0越好。

但是,如果说10000的样本的情况,建立一个A模型,这个模型的SSE是100,100个样本的情况下,建立一个B模型,这个模型的SSE是80。但是不能说B模型比A模型好。所以就引入了MSE。

MSE就是均方误差,SSE除以样本量,平均的预测的值和真值差的平方,平均到每一个预测的Y

MSE的值在量纲上是平方,为了是这个量纲一致,所以对MSE开方就是RMSE,也就是均方根。

解释R2之前要解释一些SST和SSR

SSR表示的是预测值和原始值得均值差得平方和

SST表示得是原始数据和均值的差的平方和

所以R2,也就是R-square,可以经过公式推导得出SST=SSE+SSR

其实我们将R2写开

还可以这样表示。R2的范围在0-1之间,越接近1,表示越好,一般衡量线性回归最好的指标应该就是R2,通常表示模型你好的好坏。对R2开根号,就是R,也就是相关系数,也是越近1越好。

上面计算真值和预测值之间的误差都是做差求平方和,如果将平方和换成取绝对值,也就是MAE,RMAE,也就是不是square,变为absolute.

RSME,MSE,R2等指标的解释与思考相关推荐

  1. 数据分析指标名词解释

    数据分析指标名词解释 名词解释 维度 指人们分析事物的角度.比如,分析活跃用户,可以从时间的维度,也可以从地域的维度去看,也可以时间.地域两个维度组合去分析. 有层次关系的维度,就可以根据分析需求改变 ...

  2. MSE, R2, R等误差指标

    文章目录 前言 1 均方误差 MSE ( Mean Squared Error) 2 均方根误差 RMSE ( Root Mean Squared Error) 3 平均绝对误差 MAE ( Mean ...

  3. SSE,MSE,RMSE,R-square指标讲解

    from: https://blog.csdn.net/danmeng8068/article/details/80143306 SSE(和方差.误差平方和):The sum of squares d ...

  4. (转)SSE,MSE,RMSE,R-square指标讲解

    SSE(和方差.误差平方和):The sum of squares due to error MSE(均方差.方差):Mean squared error RMSE(均方根.标准差):Root mea ...

  5. 关于CPU指标的解释

    背景:最近在定位性能问题的时候,用监控发现很多指标看不懂,这里总结一下cpu监控指标 User User表示:CPU一共花了多少比例的时间运行在用户态空间或者说是用户进程(running user s ...

  6. [机器学习] SSE,MSE,RMSE,R-square指标讲解

    参考:https://blog.csdn.net/l18930738887/article/details/50629409 SSE(和方差.误差平方和):The sum of squares due ...

  7. DRG六大指标详细解释

    入组率 入组率是代表病案首页质量的关键指标.其计算公式为:入组率=入组病例数/分析病例数,其中分析病例数=病案首页上报病例数-住院天数大于60天病例数-重复无效病例数.同时入组率=入组病例数/(未通过 ...

  8. Hadoop MetricsSystem指标名称解释

    metricssystem.MetricsSystem.DroppedPubAll |Dropped updates by all sinks |所有sink丢弃的指标数据更新次数metricssys ...

  9. 网络指标含义解释( 吞吐量 反应时间 延时 抖动 丢包)

    1.吞吐量  吞吐量,顾名思义,就是进入和送出的数据总量: 2.反应时间 所谓反应时间是液晶电视各像素点对输入信号反应的速度,及像素由亮转暗或由暗转亮所需要的时间.反应时间过长则在观看动态画面时会使人 ...

最新文章

  1. QGIS Server使用记录
  2. Pat乙级 1034 有理数四则运算
  3. kiftd 1.0.15 正式发布,青阳网络文件传输系统
  4. UINavigationController
  5. 友盟+《小程序用户增长白皮书》:从五个角度入手分析小程序数据
  6. 速领,我给大家做了程序员专属红包封面~
  7. Redis 6.0 源码阅读笔记(4) -- String 数据类型源码分析
  8. XAMPP mysql远程连接
  9. BS7799系列讲座:HTP模型图及构建(转载)
  10. 查看solaris系统的版本和位数
  11. 基于SSD1306的OLED的驱动学习(二):SSD1306的寻址方式
  12. SpringCloud Alibaba Nacos作为配置中心(三)----------yml格式配置文件
  13. ABAP GOS 上传标准附件
  14. CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pk
  15. 高亮显示用户键盘输入(kbd)
  16. 2017年7月工作总结
  17. Linux配置网络与主机名
  18. 【工业4.0】工业4.0时代的大生产体系架构
  19. 基于MATLAB的图像压缩感知
  20. UML用例建模,业务用例建模、概念用例建模、系统用例建模,领域建模

热门文章

  1. 基于Python的去雾人脸识别算法
  2. python输入半径求圆的面积、保留三位小数_编写程序,输入圆的半径,求该圆的面积与周长(保留三位小数)。 /* 程序功能:输入圆的半径,计算圆的面积与周长*/_学小易找答案...
  3. Excel根据两个表中相同的列将其它列的数据合并在同一个表
  4. c语言模板函数调用自定义函数调用,C语言函数的递归和调用
  5. 04.多元梯度下降算法
  6. 飞桨paddle遇到bug调试修正【迁移工具、版本兼容性】
  7. 上海驾校科目二考试的几个至关重要技巧
  8. 让5G提早发挥作用 5G技术4G化
  9. 使用js换算mm,cm,px
  10. MPI求计算cosx的定积分