深度学习-回归问题的评估指标：MAE, MAPE, MSE, RMSE, R2_Score
回归问题常用的评估指标
回归问题常用的评估指标包括：MAE, MAPE, MSE, RMSE, R2_Score等。
这些评价指标基本都在 sklearn 包中都封装好了，可直接调用。
安装 sklearn, 完整的名字是 scikit-learn。
1 | pip install -U scikit-learn |
| metric | formula | method |
|---|---|---|
| MAE | $\frac{1}{n} \sum_{i=1}^n \vert y_i - \hat{y}_i \vert$ | sklearn.metrics.mean_absolute_error |
| MAPE | $\frac{1}{n} \sum_{i=1}^n \frac{\vert y_i - \hat{y}_i \vert }{\vert y_i \vert}$ | sklearn.metrics.mean_absolute_percentage_error |
| MSE | $\frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2$ | sklearn.metrics.mean_squared_error |
| RMSE | $\sqrt{\frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2}$ | sklearn.metrics.mean_squared_error |
| R2 Score | $1 - \dfrac{\sum_{i=1}^n (y_i - \hat{y}_i)^2} {\sum_{i=1}^n (y_i - \bar{y})^2}$ | sklearn.metrics.r2_score |
注：
- MAPE 在V0.22.2中还不能直接调用，预计会在V0.23中发布；
- 参见 github #15007
- RMSE 可以调用
mean_squared_error方法实现, 设置squared=False即可;rmse_score = mean_squared_error(y_test, y_pred, squared=False)
