当前位置：新励学网 > 秒知问答 > 回归模型的几个评价指标

回归模型的几个评价指标

发表时间：2024-07-08 00:04:21 来源：网友投稿

回归模型的几个评价指标

对于回归模型效果的判断指标经过了几个过程，从SSE到R-square再到AjustedR-square,是一个完善的过程：

SSE(误差平方和)：ThesumofsquaresduetoerrorR-square(决定系数)：CoefficientofdeterminationAdjustedR-square：Degree-of-freedomadjustedcoefficientofdetermination下面我对以上几个名词进行详细的解释下，相信能给大家带来一定的帮助！！一、SSE(误差平方和)

计算公式如下：

同样的数据集的情况下，SSE越小，误差越小，模型效果越好

缺点：

SSE数值大小本身没有意义，随着样本增加，SSE必然增加，也就是说，不同的数据集的情况下，SSE比较没有意义

二、R-square(决定系数)

数学理解：分母理解为原始数据的离散程度，分子为预测数据和原始数据的误差，二者相除可以消除原始数据离散程度的影响

其实“决定系数”是通过数据的变化来表征一个拟合的好坏。

理论上取值范围（-∞，1],正常取值范围为[01]------实际操作中通常会选择拟合较好的曲线计算R?，因此很少出现-∞

越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好越接近0，表明模型拟合的越差

经验值：>0.4，拟合效果好

缺点：

数据集的样本越大，R?越大，因此不同数据集的模型结果比较会有一定的误差

三、AdjustedR-Square(校正决定系数）

n为样本数量，p为特征数量

消除了样本数量和特征数量的影响

免责声明：本站发布的教育资讯（图片、视频和文字）以本站原创、转载和分享为主，文章观点不代表本网站立场。

如果本文侵犯了您的权益，请联系底部站长邮箱进行举报反馈，一经查实，我们将在第一时间处理，感谢您对本站的关注！