跨境派

跨境派

跨境派,专注跨境行业新闻资讯、跨境电商知识分享!

当前位置:首页 > 卖家故事 > MATLAB知识点: SSE: 误差平方和、 MSE: 均方误差、RMSE: 均方根误差、MAE: 平均绝对误差、MAPE: 平均绝对百分比误差、SMAPE: 对称平均绝对百分比误差、R方: 决定系数

MATLAB知识点: SSE: 误差平方和、 MSE: 均方误差、RMSE: 均方根误差、MAE: 平均绝对误差、MAPE: 平均绝对百分比误差、SMAPE: 对称平均绝对百分比误差、R方: 决定系数

时间:2024-04-24 17:55:24 来源:网络cs 作者:康由 栏目:卖家故事 阅读:

标签: 误差  绝对  系数  决定  对称  方根  知识  平方 
阅读本书更多章节>>>>

​讲解视频:可以在bilibili搜索《MATLAB教程新手入门篇——数学建模清风主讲》。​

MATLAB教程新手入门篇(数学建模清风主讲,适合零基础同学观看)_哔哩哔哩_bilibili


节选自第3章 3.4.2 算术运算

学完了矩阵的算术运算后,我们来做一些练习。

计算用来评价预测效果好坏的一些指标

假设真实值是向量 y=\left[ y_1,y_2,\cdots ,y_n \right],拟合值或预测值是向量

%20
%20%%20例如我们举一个n为10的例子y%20=%20[100%20102%20108%20117%20135%20178%20198%20241%20290%20349];y_hat%20=%20[93%20108%20118%20117%20141%20170%20196%20249%20296%20359];n%20=%20length(y);%20%20%20%20%%2010
%20

  SSE:%20误差(或残差)平方和(Sum%20of%20Squares%20due%20to%20Error)

%20

%20

范围[0,+∞),当预测值与真实值完全吻合时等于0。误差越大,该值越大。

%20

它的量纲是原来数据量纲的平方。

%20
SSE%20=%20sum(%20(y-y_hat).^2%20)%20%20%%20489
%20

%20

 MSE:%20均方误差(Mean%20Square%20Error)

%20

 %20 %20 %20  

%20

就是SSE除了一个n

%20

范围[0,+∞),当预测值与真实值完全吻合时等于0。误差越大,该值越大。

%20

它的量纲是原来数据量纲的平方。 %20 %20 %20 

%20
MSE%20=%201/n*(sum(%20(y-y_hat).^2%20))%20%%2048.9
%20

%20

%20

RMSE:%20均方根误差(Root%20Mean%20Square%20Error)

%20

%20

就是MSE加了个根号

%20

范围[0,+∞),当预测值与真实值完全吻合时等于0。误差越大,该值越大。

%20

它的量纲和原来数据的量纲相同。

%20
RMSE%20=%20sqrt(%201/n*(sum((y-y_hat).^2))%20)%20%%206.9929
%20

  

%20

MAE:%20平均绝对误差(Mean%20Absolute%20Error)

%20

%20

范围[0,+∞),当预测值与真实值完全吻合时等于0。误差越大,该值越大。

%20

它的量纲和原来数据的量纲相同。

%20
​​​​​MAE%20=%201/n*(%20sum(%20abs(y-y_hat)%20)%20)%20%%206.3
%20

%20

MAPE:%20平均绝对百分比误差(Mean%20Absolute%20Percentage%20Error)

%20

%20

范围[0,+∞),当预测值与真实值完全吻合时等于0。

%20

可以看到,MAPE跟MAE很像,就是多了个分母。

%20

注意:当真实值有数据等于0时,存在分母为0的问题,该公式不可用!

%20
fz%20=%20y-y_hat;%20%%20分子MAPE%20=%201/n*(sum(abs(fz%20./%20y)))%20%%200.0403
%20

%20

SMAPE:%20对称平均绝对百分比误差(Symmetric%20Mean%20Absolute%20Percentage%20Error)

%20

%20

它的范围是0%到200%,当预测值与真实值完全吻合时等于0。

%20

注:有些地方定义的SMAPE的分母没有加绝对值,这时候SMAPE可能为负数。

%20
fz%20=%20abs(y-y_hat);%20%%20分子fm%20=%20(abs(y)+abs(y_hat))/2;%20%%20分母SMAPE%20=%201/n*(sum(fz./%20fm%20))%20%%200.0399
%20

%20

​​​​​​​R方:%20决定系数(Coefficient%20of%20determination)

%20

fz = sum((y - y_hat).^2); % 分子fm = sum((y - mean(y)).^2); % 分母R2 = 1 - fz/fm % 0.9928

​​​​​​​R方: 决定系数的拓展:

R^2:决定系数、可决系数、R方、拟合优度(Coefficient of determination)

注意:如果使用的是线性回归模型,那么下面两种计算R方的公式都可以使用,且此时R方的范围是[0,1]

R^2=1-\frac{\sum{\left( y-\hat{y} \right) ^2}}{\sum{\left( y-\bar{y} \right) ^2}} \\ R^2=\frac{\sum{\left( \hat{y}-\bar{y} \right) ^2}}{\sum{\left( y-\bar{y} \right) ^2}} \\

式中\bar{y}是y的均值

如果使用的是非线性回归模型,那么R方使用的是第一种定义方法!

且此时R方的范围是(-∞,1].

(线性回归中,两种方法算出来的R方一定相等。非线性回归中只能使用第一种方法计算,第二种算出来的结果是错的!)

阅读本书更多章节>>>>

本文链接:https://www.kjpai.cn/gushi/2024-04-24/161919.html,文章来源:网络cs,作者:康由,版权归作者所有,如需转载请注明来源和作者,否则将追究法律责任!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。

文章评论