AI：总结线性回归模型评估方法

线性回归模型评估方法大概有这几个种类：

• R-Square
• Standard Deviation
• MAPE(Mean Absolute Percentage Error) & MAE(Mean Absolute Error)
• RMSE(Root Mean Squared Error) & MSE(Mean Squared Error)
• AIC(Akaike’s Information Criterion)
• BIC(Bayesian information criterion)

R-Square

R-Square是度量拟合优度的一个统计量，即常说的R方，定量指标，R方取值范围(0,1)，越大越好。图中的RSS,ESS,TSS也可以单独作为一个考量指标。

Standard Deviation

Standard Deviation，即常说的标准方差，可以作为定性指标，也可以用在数据正则化时，作为参考。帮你了解值得范围。

MAPE & APE

APE，绝对百分误差；MAPE，平均绝对百分误差。定量指标，取值范围（0，1），越小越好。给大家看点例子有直观感受。

RMSE & MSE

RMSE均方根误差，定性指标，无固定取值范围。这另个指标其实和R-Square是很像的。它们公式如下，RMSE只是多了开根。

AIC & BIC

AIC，赤池信息量准则，定量指标，越小越好。
BIC，贝叶斯信息准则，定量指标，越小越好。
作者目前还没学懂，以后随缘更新吧。 ?