zoukankan      html  css  js  c++  java
  • 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。

  • 相关阅读:
    维护是关键 刻录机不读/刻盘故障实例排除
    压缩viewstate
    采用"软改"的方式激活Windows 7
    开启VAIO的VT
    比较通用的存储过程分页
    linux如何安装声卡驱动
    给Fedora11安装五笔
    导入CSV文件到数据库
    Ubuntu第一次登录用户名和密码错误不能登录
    CSS中Position、absolute、Relative、fixed、static的用法
  • 原文地址:https://www.cnblogs.com/qwj-sysu/p/8489323.html
Copyright © 2011-2022 走看看