熱線電話:13121318867

登錄
首頁精彩閱讀回歸模型的幾個評價指標
回歸模型的幾個評價指標
2018-06-01
收藏

回歸模型的幾個評價指標

對于回歸模型效果的判斷指標經過了幾個過程,從SSE到R-square再到Ajusted R-square, 是一個完善的過程:

SSE(誤差平方和):The sum of squares due to error
R-square(決定系數):Coefficient of determination
Adjusted R-square:Degree-of-freedom adjusted coefficient of determination
下面我對以上幾個名詞進行詳細的解釋下,相信能給大家帶來一定的幫助??!
一、SSE(誤差平方和)

計算公式如下:

     

同樣的數據集的情況下,SSE越小,誤差越小,模型效果越好

缺點:

SSE數值大小本身沒有意義,隨著樣本增加,SSE必然增加,也就是說,不同的數據集的情況下,SSE比較沒有意義

二、R-square(決定系數)

數學理解:分母理解為原始數據的離散程度,分子為預測數據和原始數據的誤差,二者相除可以消除原始數據離散程度的影響

其實“決定系數”是通過數據的變化來表征一個擬合的好壞。

理論上取值范圍(-∞,1], 正常取值范圍為[0 1] ------實際操作中通常會選擇擬合較好的曲線計算R2,因此很少出現-∞

越接近1,表明方程的變量對y的解釋能力越強,這個模型對數據擬合的也較好
越接近0,表明模型擬合的越差

經驗值:>0.4, 擬合效果好

缺點:

數據集的樣本越大,R2越大,因此,不同數據集的模型結果比較會有一定的誤差

三、Adjusted R-Square (校正決定系數)
      

n為樣本數量,p為特征數量

消除了樣本數量和特征數量的影響


數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢