誤差分析計算公式及其 matlab 代碼實現(mse、mape、rmse等)

目錄

• 殘差平方和（SSE）
  • 計算公式
  • 代碼實現
• 均方誤差（MSE）
  • 計算公式
  • 代碼實現
• 平均絕對誤差（MAE）
  • 計算公式
  • 代碼實現
• 平均絕對百分比誤差（MAPE）
  • 計算公式
  • 代碼實現
• 均方根誤差（RMSE）
  • 計算公式
  • 代碼實現
• 決定系數（R2-R-Square）
  • 計算公式
  • 代碼實現
• 李培冠博客

YReal 是真實的數據，YPred 是預測的數據。

殘差平方和（SSE）

計算公式

代碼實現

sse = sum((YReal - YPred).^2);

均方誤差（MSE）

計算公式

代碼實現

mse = sum((YReal - YPred).^2)./n;

平均絕對誤差（MAE）

計算公式

代碼實現

mae = mean(abs(YReal - YPred));

平均絕對百分比誤差（MAPE）

計算公式

代碼實現

mape = mean(abs((YReal - YPred)./YReal));

均方根誤差（RMSE）

計算公式

代碼實現

rmse = sqrt(mean((YPred-YReal).^2));

決定系數（R2-R-Square）

一個模型的 R2 值為 0 還不如直接用平均值來預測效果好；而一個 R2 值為 1 的模型則可以對目標變量進行完美的預測。

從 0 至 1 之間的數值，則表示該模型中目標變量中有百分之多少能夠用特征來解釋。

模型也可能出現負值的 R2，這種情況下模型所做預測有時會比直接計算目標變量的平均值差很多。

計算公式

代碼實現

r2 = 1 - (sum((YPred - YReal).^2) / sum((YReal - mean(YReal)).^2));

如有錯誤，請在評論區指出，謝謝。

李培冠博客

歡迎訪問我的個人網站：

李培冠博客：lpgit.com