回归模型效果评估系列2-MAE、MSE、RMSE、MAPE(MAPD)

  MAE、MSE、RMSE、MAPE(MAPD)这些都是常见的回归预测评估指标，重温下它们的定义和区别以及优缺点吧

 

 

MAE(Mean Absolute Error) 平均绝对误差 

                                               

    是基础的评估方法，后面的方法一般以此为参考对比优劣。

MSE(Mean Square Error) 平均平方差

                                             

    对比MAE，MSE可以放大预测偏差较大的值，可以比较不同预测模型的稳定性，应用场景相对多一点。

RMSE(Root Mean Square Error) 方均根差

                                            

    因为使用的是平均误差，而平均误差对异常点较敏感，如果回归器对某个点的回归值很不合理，那么它的误差则比较大，从而会对RMSE的值有较大影响，即平均值是非鲁棒的。

    改进：使用误差的分位数来代替，如中位数来代替平均数。假设100个数，最大的数再怎么改变，中位数也不会变，因此其对异常点具有鲁棒性。

   平均平方差/均方误差是回归任务最常用的性能度量。

MAPE (Mean Absolute Percentage Error, 也叫mean absolute percentage deviation (MAPD)

                                           

    MAPE不仅仅考虑预测值与真实值的误差，还考虑了误差与真实值之间的比例，在某些场景下，比如房价从0.5w到5w之间，0.5预测成1.0与5.0预测成4.5的差距是非常大的，在一些竞赛当中，MAPE也是常用的目标函数之一。

    在统计领域是一个预测准确性的衡量指标。