【发布时间】：2017-12-15 07:07:36
【问题描述】：
我正在寻找评估回归模型的方法，例如聚类模型的准确性，请你告诉我如何评估我的回归模型
【问题讨论】：
标签： machine-learning regression data-mining
【发布时间】：2017-12-15 07:07:36
【问题描述】：
这很简单：我假设您的回归函数输出的数字与您的目标值有些不同。它甚至可能比聚类更简单，让我解释一下为什么......
评价不同
在集群中你有标签。一个元素可以有错误或正确的标签。有不同的情况（假阳性、假阴性、真阳性、真阴性）。您的测试可能需要考虑所有这些情况（准确性着眼于整体正确性，无论如何）。
在回归中，您的结果是一个数字（例如 2.123），而您的目标是另一个数字（例如 1.100）。您的错误就是区别（在这种情况下为 1.023）。您现在可以应用各种不同的方法来计算所有结果中的误差有多大，同时考虑正误差和负误差。
计算方法
有很多方法，您需要选择适合自己的方法。以下是两个可能最受欢迎的：
- 误差平方和 (SSE)：https://en.wikipedia.org/wiki/Residual_sum_of_squares
- 平均平方误差 (MSE)：https://en.wikipedia.org/wiki/Mean_squared_error
【讨论】：
-
感谢您的回复，很好的解释，,,，我将您上面提到的指标应用于我的模型，它给了我 0.0000453861，我将 R 平方指标应用于同一模型，它给了我0.321107000102 我对两个指标的结果之间的差异感到困惑，为什么数量上有这么大的差异？
-
不看数据就很难做出笼统的陈述。要应用这些指标，您需要了解它们的工作原理以便解释它们。例如，虽然 R 平方（顺便说一句好主意！）是一个相对度量，它告诉您一个介于 0 和 1 之间的百分比值，而 SSE 为您提供一个绝对值。我认为您需要花一些时间阅读指标。网上有这样一个很好的解释：blog.minitab.com/blog/adventures-in-statistics-2/…