我一直使用r2 score
指标。我知道那里有一些评估指标,我已经阅读了有关它的几篇文章。由于我仍然是机器学习的初学者。我仍然很困惑
r2 score
不简单,我们需要其他东西来衡量模型的性能。这是否意味着我们需要多个评估指标才能更好地了解我们的模型性能?对于像下面这样的回归问题,有不同的评估指标。
正如您提到的,您需要根据问题类型,要测量的内容以及数据的分布来使用它们。
R²
显示您的目的变量的哪些变化由独立变量描述。一个好的模型可以使R²
得分接近1.0,但这并不意味着应该如此。 R²
低的模型也可以提供低MSE
的分数。因此,为了确保模型的预测能力,最好使用MSE
,RMSE
或除R²
以外的其他指标。MSE
评估指标,因为它基本上可以衡量我们预测的平均squared误差,或者您的数据有太多异常值MSE
给这个例子太多的惩罚。