知识总结评价标准

知识总结评价标准 第一篇

平均绝对误差 (MAE) 是最简单的回归度量。它将每个实际值和预测值的差值相加，最后除以观察次数。 为了使回归模型被认为是一个好的模型，MAE 应该尽可能小。

MAE的优点是：

简单易懂。 结果将具有与输出相同的单位。 例如：如果输出列的单位是 LPA，那么如果 MAE 为 ，那么我们可以解释结果是 + 或 ，MAE 对异常值相对稳定（与其他一些回归指标相比，MAE 受异常值的影响较小）。

MAE的缺点：MAE使用的是模函数，但模函数不是在所有点处都可微的，所以很多情况下不能作为损失函数。

知识总结评价标准 第二篇

均方根误差（RMSE）取每个实际值和预测值之间的差值，然后将差值平方并将它们相加，最后除以观测数量。 然后取结果的平方根。 因此，RMSE 是 MSE 的平方根。 为了使回归模型被认为是一个好的模型，RMSE 应该尽可能小。

RMSE 解决了 MSE 的问题，单位将与输出的单位相同，因为它取平方根，但仍然对异常值不那么稳定。

上述指标取决于我们正在解决的问题的上下文， 我们不能在不了解实际问题的情况下，只看 MAE、MSE 和 RMSE 的值来判断模型的好坏。

知识总结评价标准 第三篇

MSE取每个实际值和预测值之间的差值，然后将差值平方并将它们相加，最后除以观测数量。 为了使回归模型被认为是一个好的模型，MSE 应该尽可能小。

MSE的优点： 平方函数在所有点上都是可微的，因此它可以用作损失函数。

MSE的缺点： 由于 MSE 使用平方函数，结果的单位是输出的平方。 因此很难解释结果。由于它使用平方函数，如果数据中有异常值，则差值也会被平方，因此，MSE 对异常值不稳定。