深度学习回归评价指标:MSE、RMSE、MAE、R2、Adjusted R2

写文章时候可以选用一下几个
1、均方误差:MSE(Mean Squared Error)
2、均方根误差:RMSE(Root Mean Squard Error)RMSE=sqrt(MSE)。
3、平均绝对误差:MAE(Mean Absolute Error)
4、决定系数:R2(R-Square)
一般来说,R-Squared 越大,表示模型拟合效果越好。R-Squared 反映的是大概有多准,因为,随着样本数量的增加,R-Square必然增加,无法真正定量说明准确程度,只能大概定量。

from sklearn.metrics import mean_squared_error,mean_absolute_error,r2_score

mse = mean_squared_error(testY,testPredict)
rmse = np.sqrt(mean_squared_error(testY,testPredict))
mae = mean_absolute_error(testY,testPredict)
r2 = r2_score(testY,testPredict)

MAPE需要自己编写
def mape(y_true, y_pred):
return np.mean(np.abs((y_pred - y_true) / y_true)) * 100
print(mape(testPredict,testY))

你可能感兴趣的:(深度学习回归评价指标:MSE、RMSE、MAE、R2、Adjusted R2)