对于回归问题，精度的可能替代解决方案是什么？

Question

哪一个是最好的，或者如果我们想定义一个顺序，我们如何定义这些

均方误差 平均绝对误差 均方根误差 R^2值

此外，您是否有一些想法来绘制图表来表示回归模型的模型性能和准确性。有没有最新的情感方法。 在回归问题中哪一种是最有用和最有效的方式

Answer 1

评估回归模型的指标

MAE（平均绝对误差）- 测量预测值与实际目标值之间的平均绝对差

• 对所有错误给予相同的权重，无论其方向如何，并提供更平衡的错误表示 - 当您想要了解错误的大小时非常有用。它还具有与因变量采用相同单位的优点，无论是价格、距离还是其他指标
• 对数据中的极值不太敏感，当您的数据集包含可能扭曲其他指标的异常值时，它是一个不错的选择
• 越小模型的预测精度越好，值为 0 表示完美预测

R2 分数 - 确定因变量中可由自变量解释的方差比例的度量

• 取 0 到 1 之间的任意值。它可用于获取模型的百分比精度，即 0–100

RMSE（均方根误差）- 是残差或预测误差的标准偏差

• 它测量数据在最佳拟合线周围的集中程度，或者换句话说，残差的分布程度
• 当由于模型高估或低估预测中的某些点而出现较大误差时很有用
• 低值表明模型预测更准确并且与数据拟合得很好，0值表明预期值和实际值精确匹配