评价指标 Regression risk metrics"/>
机器学习回归评价指标 Regression risk metrics
机器学习回归评价指标,一些Regression risk metrics
整理自用
y ̂_i是第i个样本的预测值,y_i是相应的真实值,评估n个样本点的方法,
其中
MSE(均方误差)
Mean Square Error
from sklearn.metrics import mean_squared_error
mean_squared_error(y_true, y_pred)
MAE(平均绝对误差)
Mean Absolute Error,MAE没有归一化。
from sklearn.metrics import mean_absolute_error
mean_absolute_error(y_true, y_pred)
MAPE(平均绝对百分比误差)
Mean Absolute Percentage Error 也叫mean absolute percentage deviation (MAPD),是MAE的归一化,但是感觉不太好用,做过一个例子rr是0.2左右,而MAPE是13%。
sklearn官方文档里的MAPE多定义了一个∈,避免了分母为0的问题。
from sklearn.metrics import mean_absolute_percentage_errormean_absolute_percentage_error(y_true, y_pred)
其中∈是一个任意的小而严格的正数,以避免y为零时的未定义结果。
R² score(决定系数)
the coefficient of determination,R-Squared 也叫决定系数,判定系数。
from sklearn.metrics import r2_scorer2_score(y_true, y_pred)
RMSE(均方根误差)
Root Mean Square Error
from sklearn.metrics import mean_squared_error
mean_squared_error(y_true, y_pred)** 0.5
RRMSE(相对均方根误差)
relative root mean squared error ,Relative RMSE
def RRMSE(x,y,yp): x1= pow(sum(pow(y-yp),2))/len(x),0.5)x2= pow(sum(pow(yp-sum(yp)/len(y),2))/(len(x)-1),0.5)RRMSE = x1/x2 return RRMSE
还有感兴趣的可以去sklearn官网[1]讲回归的地方看看,说的挺详细
[1] .html#regression-metrics
更多推荐
机器学习回归评价指标 Regression risk metrics
发布评论