回归模型评价指标

本文介绍了回归模型在模型选择上的常见评估指标：SST、SSR、SSE和R-square。

SST：The sum of squares total SSR：The sum of squares regression SSE：The sum of squares error

The sum of squares total. SST是观测到的真实值与真实值的均值之间的差的平方和。 ∑ i = 1 n ( y i − y ‾ ) 2 \sum_{i=1}^{n}{(y_i - \overline{y})^2} ∑i=1n​(yi​−y​)2

The sum of squares due to regression. SSR是预测值与真实值的均值之间差的平方和。 若SSR与SST相等，则我们说模型很好地拟合了所有的特征。

The sum of squares error。SSE是真实值与预测值之间差的平方和。

SST = SSR + SSE

R方是指拟合优度，是回归直线对观测值的拟合程度。

R 2 = S S R S S T = 1 − S S E S S T R^2 = \frac{SSR}{SST} = 1 - \frac{SSE}{SST} R2=SSTSSR​=1−SSTSSE​

R 2 R^2 R2最大值为1，越接近1，表示回归直线对观测值的拟合程度越好。

Sum of Squares: SST, SSR, SSE