最好的评价线性回归的指标-R Squared
在学习线性回归的时候大多数教程会讲到RMSE,MSE(MAE提到的较少)这两个指标评价模型模型拟合的效果,当然MSE也就是模型的损失函数。
在分类模型中针对不同的数据我们可以用分类的准确度评价谁的模型效果较好,这两者的量纲是一致的,但是在回归中预测不同的实际场景,比如一个预测股市,一个预测房价,比较MSE或者RMSE就不能比较谁好谁坏;所以将预测结果转换为准确度,结果都在[0, 1]之间,针对不同问题的预测准确度,可以比较并来判断此模型更适合预测哪个问题
1、计算方法
2、对公式的理解
-
:公式样式与MSE类似,可以理解为一个预测模型,只是该模型与x无关,在机器学习领域称这种模型为基准模型(Baseline Model),适用于所有的线型回归算法;
- 基准模型问题:不没有考虑x的取值,只是很生硬的将所有的预测样本的预测结果都认为是样本y的均值
A)因此对公式可以这样理解:
- 分子是我们的模型预测产生的错误,分母是使用y等于y的均值这个模型所产生的错误
- 自己的模型预测产生的错误 / 基础模型预测生产的错误,表示自己的模型没有拟合住的数据,因此R2可以理解为,自己的模型拟合住的数据
B)公式推理结论:
- R2 <= 1
- R2越大越好,当自己的预测模型不犯任何错误时:R2 = 1
- 当我们的模型等于基准模型时:R2 = 0
- 如果R2 < 0,说明学习到的模型还不如基准模型。 # 注:很可能数据不存在任何线性关系,用线性回归之前可以先对数据进行相关性检验,或者先对数据的残差分布进行判定
3)公式变形
- R2 统计学上用来表示模型的拟合优度
最好的评价线性回归的指标-R Squared相关推荐
- [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 ...
- 机器学习中的评价指标(分类指标评Accuracy、Precision、Recall、F1-score、ROC、AUC )(回归指标评价MSE、RMSE、MAE、MAPE、R Squared)
文章目录 1.机器学习中的评价指标 基础 (一)分类指标评价 1.Accuracy 2.Precision.查准率 3.Recall.查全率 4.F1-score 举个例子: 5.ROC 6.AUC ...
- DEA在科技评价中的指标优化研究
摘要:为解决DEA在科技评价中的指标选取与模型优化问题,本文建立效率回归模型,首先采用DEA方法对科技投入产出进行效率测度,然后将效率作为被解释变量,将所有投入产出指标作为解释变量,运用多元线性回归进 ...
- 第3章 衡量线性回归的指标:MSE,RMSE,MAE
简单线性回归:目标:找到a和b,使得∑i=1m(ytrain(i)−axtrain(i)−b)2\sum_{i=1}^m(y_{train}^{(i)}-ax_{train}^{(i)}-b)^2∑i ...
- 【视频】什么是梯度下降?用线性回归解释和R语言估计GARCH实例
全文链接:http://tecdat.cn/?p=23606 梯度下降是一种优化算法,能够为各种问题找到最佳解决方案(点击文末"阅读原文"获取完整代码数据). 梯度下降是什么? 梯 ...
- 英语语言标准C1,“英语语言表达能力”概念界定及评价与衡量指标研究(18页)-原创力文档...
"英语语言表达能力"概念界定及评价指标研究 摘要:语言是交流的工具,交流包含"听""读"语言理解和"说""写& ...
- 线性回归评价几个指标(MAE,MSE,RMSE,R^2,MAPE)
Python–线性回归评价指标实现 一.项目背景 (可不看) 最近在做非线性数据的数据预测,一头雾水,一年不学习,脑袋有问题.还记得上次做的数据是关于一个政务系统的热点问题分类模块,用了机器学习和深度 ...
- 线性回归模型及R语言代码
基础理论: 线性回归模型是一个简单而有效的模型,曾经在过去的一个世纪中在统计界得到主要的应用. Yi(i=1,-n)是响应随机变量,(x1i,-xpi)是n个实测数据,p是解释变量的数量.€i是残差, ...
- 多元线性回归公式推导及R语言实现
多元线性回归 多元线性回归模型 实际中有很多问题是一个因变量与多个自变量成线性相关,我们可以用一个多元线性回归方程来表示. 为了方便计算,我们将上式写成矩阵形式: Y = XW 假设自变量维度为N W ...
- 多元线性回归分析c语言,多元线性回归公式推导及R语言实现
多元线性回归 多元线性回归模型 实际中有很多问题是一个因变量与多个自变量成线性相关,我们可以用一个多元线性回归方程来表示. 为了方便计算,我们将上式写成矩阵形式: Y = XW 假设自变量维度为N W ...
最新文章
- mariadb转mysql_MariaDB/MySQL备份和恢复(二):数据导入、导出
- JAVA Functions in XI(转)
- onSaveInstanceState与onRestoreInstance
- 使用 Boost.MPI 的 reduce() 计算最小值的示例
- 【Qt】Qt中QJsonDocument 类
- [导入]C#中TextBox只能输入数字的代码
- java相等_Java 判断相等
- bash颜色、变量、数组、相关脚本示例
- 二分图判断(交叉染色)
- transtion-transform
- java链表实现多项式的运算
- 软件工程实践 Blog5
- 图形 2.6 伽马校正
- 计算机管理格式化没有顺利完成,TF存储卡“格式化没有顺利完成”问题解决的方法...
- 网络安全-解密WinRAR捆绑恶意程序并自动上线MSF的原理
- layui 汉字乱码_layui table中文乱码
- 语句摘抄——第19周
- 信息系统综合知识八 专业英语
- Python四行代码实现的猜数字小游戏,基于thinker,带GUI界面
- 2.详解DEBUG模式
热门文章
- 关于视频图像dither
- 【美团面经】后台研发一面
- 新浪短网址API接口的获取以及API接口的调用文档分享
- 显卡优化以提高计算机性能,《绝地求生》完美显卡优化教程:低配电脑也能吃鸡无压力!...
- 视频压缩大小怎么做?压缩视频用这3个工具准没错!
- VS2013 TeeChart_v8 MFC C++ 使用手册干货(一)TeeChart ColorGrid类的简单使用
- 重置linux系统root密码,CentOS(Linux)重置root密码
- Waterfall Header Bidding机制
- 阵道计算机,太古神王电脑版
- GIT提交代码到远程创库