我们通常采用MSE、RMSE、MAE、R2来评价回归预测算法。
1、均方误差：MSE(Mean Squared Error)
其中，
为测试集上真实值-预测值。
def rms(y_test, y):
return sp.mean((y_test - y) ** 2)
2、均方根误差：RMSE(Root Mean Squard Error)
可以看出，RMSE=sqrt(MSE)。
3、平均绝对误差：MAE(Mean Absolute Error)
以上各指标，根据不同业务，会有不同的值大小，不具有可读性，因此还可以使用以下方式进行评测。
4、决定系数：R2(R-Square)
def R2(y_test, y_true):
return 1 - ((y_test - y_true)**2).sum() / ((y_true - y_true.mean())**2).sum()
其中，分子部分表示真实值与预测值的平方差之和，类似于均方差 MSE；分母部分表示真实值与均值的平方差之和，类似于方差 Var。
根据R-Squared 的取值，来判断模型的好坏，其取值范围为[0,1]
决定系数 均方误差mse_【机器学习】回归误差：MSE RMSE MAE R2 Adjusted R2 +方差 协方差 标准差(标准偏差/均方差） 均方误差 均方根误差(标准误差) 均方根解释...
