知识卡片 回归度量-MAE和RMSE

什么是回归？

回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，可以通过分析一定的趋势来进行预测。

最简单的例子是：y = ax+ b，计算在坐标系上的点的坐标，通过最小二乘法计算，找到一条直线来描述两个变量间的关系。

如下图，统计披萨的尺寸和价格，得出一条直线，呈正相关，可以得出披萨尺寸越大，价格越高。

得出曲线后如何评价回归的性能，以下为常见的四个性能评价指标：

平均绝对误差MAE(mean_absolute_error)

均方误差MSE (mean_squared_error)及均方根差RMSE

Log loss，或称交叉熵loss(cross‐entropy loss)

R方值，确定系数( r2_score)

在这里只要了解前两个足够，Log Loss 针对逻辑回归有二分类和多类损失，R2是对两个或多个相关变量的相关性进行一致性（Agreement；评价 后续进行讲解

（1 ）平均绝对误差 MAE

|yi - y^i| 是绝对残差，对其求和取平均得到MAE；反应实际预测误差的大小。

（2）均方误差MSE (mean_squared_error)及均方根误差RMSE

MSE ：残差的方差取平均

RMSE：残差的标准差取平均；

RMSE是预测值和观测值的样本的标准差，说明预测样本的离散程度。

好文章，我 在看