机器学习的评价指标

文章目录

    • 损失函数
    • 回归问题
      • 1:MSE(Mean Square Error:均方误差)
      • 2:RMSE(Root Mean Square Error:均方根误差)
      • 3:MAE(Mean Absolute Error:平均绝对误差)
    • 分类问题
      • 二分类问题:
      • 多分类问题:

损失函数

我们通常损失函数衡量模型模型预测的好坏,损失函数就是用来表现预测与实际数据的差距程度




回归问题

回归问题所对应的损失函数为L1损失函数和L2损失函数,二者度量了模型估计值与观测值之间的差异:

在这里插入图片描述
对于回归问题我们也可以用mse,mae,rmse等评价指标来衡量模型的好坏

m为样本长度

1:MSE(Mean Square Error:均方误差)

机器学习的评价指标_第1张图片

2:RMSE(Root Mean Square Error:均方根误差)

机器学习的评价指标_第2张图片

3:MAE(Mean Absolute Error:平均绝对误差)

机器学习的评价指标_第3张图片


分类问题

最简单的就是通过准确率,其次有交叉熵等函数

二分类问题:

机器学习的评价指标_第4张图片

多分类问题:

机器学习的评价指标_第5张图片

你可能感兴趣的:(机器学习,机器学习,python,数据分析)