首页 分享 机器学习(一):线性回归算法的评测方式、R^2

机器学习(一):线性回归算法的评测方式、R^2

来源:花匠小妙招 时间:2024-12-03 16:10

最新推荐文章于 2024-06-28 09:55:05 发布

Aymo 于 2020-04-21 22:41:02 发布

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

Task01:线性回归

模型建立:线性回归原理、线性回归模型学习策略:线性回归损失函数、代价函数、目标函数算法求解:梯度下降法、牛顿法、拟牛顿法等线性回归的评估指标sklearn参数详解

练习部分

基于线性回归的房价预测问题利用sklearn解决回归问题sklearn.linear_model.LinearRegression

ps:很多东西还没有时间学到。只把自己理解的东西写了一些。

1.线性回归算法的三种评测方法:

1.均方误差MSE
1 m ∑ i = 1 m ( y t e s t ( i ) − y ^ t e s t ( i ) ) 2 = M S E t e s t frac{1}{m}sum_{i=1}^m (y_{test}^{(i)}-hat{y}_{test}^{(i)})^2 =MSE_{test} m1​i=1∑m​(ytest(i)​−y^​test(i)​)2=MSEtest​
2.均方根误差RMSE
1 m ∑ i = 1 m ( y t e s t ( i ) − y ^ t e s t ( i ) ) 2 = M S E t e s t sqrt{frac{1}{m}sum_{i=1}^m (y_{test}^{(i)}-hat{y}_{test}^{(i)})^2} =sqrt{MSE_{test}} m1​i=1∑m​(ytest(i)​−y^​test(i)​)2

​=MSEtest​


3.平均绝对误差MAE
M A E = 1 m ∑ i = 1 m ∣ y t e s t ( i ) − y ^ t e s t ( i ) ∣ MAE=frac{1}{m}sum_{i=1}^mvert y_{test}^{(i)}-hat{y}_{test}^{(i)}vert MAE=m1​i=1∑m​∣ytest(i)​−y^​test(i)​∣

2. R-Squared

R 2 = 1 − s s r e s i d u a l s s t o t a l R^2 = 1-frac{ss_{residual}}{ss_{total}} R2=1−sstotal​ssresidual​​
R^2是最好的衡量线性回归法的指标。
1.R^2<=1
2.R^2越大越好
3.当我们的模型等于基准模型时,R^2=0
4.如果R^2<0,说明我们学习到的模型还不如基准模型。此时,很有可能我们的数据不存在任何线性关系。

相关知识

机器学习算法
机器学习算法其一:鸢尾花数据集逻辑回归分类预测学习总结
机器学习(04)——常用专业术语2
基于机器学习的鸢尾花数据集的三分类算法的实现 C++
线性回归实例
机器学习——鸢尾花数据集的线性多分类
程序员面试、算法研究、机器学习、大模型/ChatGPT/AIGC、论文审稿、具身智能、RAG等11大系列集锦
机器学习术语表
【机器学习】KNN算法实现鸢尾花分类
《Python机器学习开发实战》电子书在线阅读

网址: 机器学习(一):线性回归算法的评测方式、R^2 https://www.huajiangbk.com/newsview847211.html

所属分类:花卉
上一篇: 小伙花10000买三台音箱,魔3
下一篇: 没钱,初创品牌怎样成功做好市场营

推荐分享