Python机器学习：线型回归法05衡量线性回归法的指标MES，RMS，MAE

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

数据

boston = datasets.load_boston()

只使用房价数量这个特征

x = boston.data[:,5]#只使用房间数量这个特征

y = boston.target

plt.scatter(x,y)#上限点

去掉上限点

#返回新的索引
x = x[y < 50]
y = y[y < 50]
plt.scatter(x,y)

train_test_split

from Simple_linear_Regression.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(x,y,seed=666)

from Simple_linear_Regression.SimpleLinearRegression import Simple_linear_Regression2
reg = Simple_linear_Regression2()
print(reg.fit(x_train,y_train))

Simple_linear_Regression2

print(reg.a_)
print(reg.b_)

7.8608543562689555
-27.459342806705543

plt.scatter(x_train,y_train)
plt.plot(x_train,reg.predict(x_train),color = 'r')

y_predict = reg.predict(x_test)

使用自己封装的mse,rmse,mae

from Simple_linear_Regression.metrics import mean_squared_error
from Simple_linear_Regression.metrics import root_mean_squared_error
from Simple_linear_Regression.metrics import mean_absolute_error

print(mean_squared_error(y_test,y_predict))
print(root_mean_squared_error(y_test,y_predict))
print(mean_absolute_error(y_test,y_predict))


24.156602134387438
4.914936635846635
3.5430974409463873

封装的代码

def mean_squared_error(y_true,y_predict):assert len(y_true) == len(y_predict),\'the size of y_true must be equal to the size of y_predict'return np.sum((y_true - y_predict) ** 2) / len(y_true)def root_mean_squared_error(y_true,y_predict):return np.sqrt(mean_squared_error(y_true,y_predict))def mean_absolute_error(y_true,y_predict):assert len(y_true) == len(y_predict), \'the size of y_true must be equal to the size of y_predict'return np.sum(np.absolute(y_true - y_predict)) / len(y_predict)

分类问题

回归问题如何评价呢

均方误差MES（mean squared error）

改变量纲
RMSE（Root Mean Squared error）

平均绝对误差MAE（虽然不可导，但是评价一个算法是可以的）

j尽量让RMSE小。。

Python机器学习：线型回归法05衡量线性回归法的指标MES，RMS，MAE相关推荐

机器学习9衡量线性回归法的指标，MSE,RMS,MAE
文章目录一.衡量线性回归法的指标,MSE,RMS,MAE 1.MSE均方误差(Mean Squared Error) 2.RSE均方误差(Root Mean Squared Error) 3.平均绝 ...
衡量线性回归法的指标：MSE, RMSE和MAE
举个栗子: 对于简单线性回归,目标是找到a,b 使得尽可能小其实相当于是对训练数据集而言的,即当我们找到a,b后,对于测试数据集而言 ,理所当然,其衡量标准可以是但问题是,这个衡量标准和m相关. ...
python机器学习——支持向量机回归与波士顿房价案例
支持向量机回归与波士顿房价案例一.从传统回归模型到支持向量回归模型二.核函数三.常用的几种核函数四.SVM 算法的优缺点五.建模实例 (1)导入数据 (2)划分训练集测试集 (3)数据标准化 ...
[云炬python3玩转机器学习] 5-6最好的衡量线性回归法的指标: R Squared
RMSE MAE 无法解决不同模型之间的误差值比较,如预测房产数据误差为5万元,而预测学生成绩误差是10分,无法进行比较算法是用在哪个问题上好 R Squared就可以解决这种问题 y = y均值这 ...
【Python机器学习】回归模型：推土机售价预测
文章目录使用机器学习预测推土机的售价零.导入模块一.EDA 1.1 查看基本信息 1.2 特征类型转换 1.3 联表+特征初筛 1.3.1 删除包含重复信息的特征 1.3.2 fiBaseMod ...
Python机器学习--分类\回归--决策树算法
决策树算法类型决策树是一系列算法,而不是一个算法. 决策树包含了 ID3分类算法,C4.5分类算法,Cart分类树算法,Cart回归树算法. 决策树既可以做分类算法,也可以做回归算法.因此决策树既可 ...
Python机器学习：梯度下降法004实现线性回归中的梯度下降法
直接上代码 import numpy as np import matplotlib.pyplot as plt 生成模拟数据 np.random.seed(666) x = 2 * np.rando ...
Python机器学习:逻辑回归算法以及多类分类
向AI转型的程序员都关注了这个号
机器学习之优雅落地线性回归法
在统计学中,线性回归(Linear regression)是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析维基百科. 简单线性回归当只有一个自变量的时候, ...

Python机器学习：线型回归法05衡量线性回归法的指标MES，RMS，MAE

Python机器学习：线型回归法05衡量线性回归法的指标MES，RMS，MAE相关推荐

最新文章

热门文章