机器学习回归模型评价指标

回归模型的性能的评价指标主要有：RMSE(平方根误差)、MAE（平均绝对误差）、MSE(平均平方误差)、R2_score。

先看看计算公式：

1、MSE(平均平方误差、均方误差)

均方误差是线性回归中最常见的损失函数，MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据有更好的精确度。

2、RMSE(均方根误差、标准误差）

标准误差是均方误差的算术平方根，开方后，误差的结果与数据是一个级别的。标准误差对测量中的离群点反映非常敏感。标准误差可以反映出测量的精密度。

3、MAE(平均绝对误差）

 平均绝对误差能更好的反映预测值误差的实际情况。

4、R2_score

 如果结果是1，说明我们的预测模型无错误

分子分母同除以m，分子就变成了均方误差，分子为方差。

 R2介于0和1之间，越接近于1，回归拟合效果越好，一般认为超过0.8的模型拟合优度比较高。