知识卡片
残差图与MSE-R2
为无偏估计性能,用训练集拟合、测试集评估。多元回归无法画超平面,但可画残差图(预测值与真实值之差):好模型的误差应随机分布、残差围绕中心线,若有规律说明遗漏解释信息,远离中心的是异常值。均方误差 MSE 是 SSE 的平均值,用于模型比较、网格搜索调参与交叉验证(例中训练 19.96、测试 27.20,说明过拟合)。决定系数 R² 是 MSE 的标准化版本,表示模型捕获的响应方差比例,训练∈[0,1]、测试可为负,R²=1 时 MSE=0 完美拟合(例中训练0.765、测试0.673)。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 使用回归分析预测连续型目标变量 · 查看原书依据
决定系数(coefficient of determination)(R2)显得尤为有用,它可以看作是MSE的标准化版本,用于更好地解释模型的性能。
参考来源
- 位置:《Python机器学习》第10章《10.5 线性回归模型性能的评估》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0131.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:决定系数(coefficient of determination)(R2)显得尤为有用,它可以看作是MSE的标准化版本,用于更好地解释模型的性能。