衡量线性回归算法好坏的指标主要有MSE,RMSE,MAE及R Squared。
分类问题
在使用KNN解决分类问题时,我们将数据集分为训练数据集和测试数据集,比例通常为4:1,使用训练数据集训练出模型之后,使用测试数据集预测结果,将结果与原有数据集真实内容进行比较匹配,从而得到分类准确度,这种准确度通常用来衡量分类方法的好坏。
简单线性回归
衡量的指标主要有:
MSE 均方误差(Mean Squared Error)
RMSE 均方根误差 (Root Squared Error)
MAE 平均绝对误差 (Mean Absolute Error)
我们常用的分类的准确度:1最好,0最差
RMSE和MAE无法取得1和0之间的值,可能出现5,10等数字。
这时需要另一种衡量标准。