Milyen mérőszámokat használnak regresszióhoz?
sobes.tech MI
Válasz az MI-től
A regressziós modellek minőségének értékeléséhez általában a következő mérőszámokat használják:
-
MSE (Mean Squared Error) — a becsült és a valós értékek közötti különbségek négyzetének átlaga. Érzékeny a nagy hibákra.
-
RMSE (Root Mean Squared Error) — az MSE négyzetgyöke, ugyanabban a mértékegységben adja vissza a hibát, mint a célváltozó.
-
MAE (Mean Absolute Error) — a becslések és a valós értékek közötti átlagos abszolút eltérés.
-
R² (determination coefficient) — megmutatja, hogy a függő változó varianciájának mekkora részét magyarázza a modell. 0 és 1 közötti érték, ahol 1 a tökéletes előrejelzés.
-
Javított R² — az R² módosított változata, figyelembe véve a modellben szereplő jellemzők számát.
Python példakód sklearn használatával MAE és MSE számítására:
from sklearn.metrics import mean_absolute_error, mean_squared_error
y_true = [3.0, -0.5, 2.0, 7.0]
y_pred = [2.5, 0.0, 2.0, 8.0]
mae = mean_absolute_error(y_true, y_pred)
mse = mean_squared_error(y_true, y_pred)
print(f"MAE: {mae}")
print(f"MSE: {mse}")