機器學習1-關於回歸問題的准確性評價

網址https://book.douban.com/reading/46607817/

建立回歸器后，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，可以消除異常值的干擾

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。