机器学习笔记--模型评估之一：准确率与召回率，平均根误差（RMSE、平均绝对百分比误差（MAPE）

最新推荐文章于 2025-10-30 15:22:25 发布
原创 最新推荐文章于 2025-10-30 15:22:25 发布 · 3.8k 阅读 · 8 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#机器学习
本文探讨了评估分类模型性能的几个关键指标，包括准确率、精确率、召回率和F1分数。准确率是分类正确的样本占比，精确率关注正确正样本在预测正样本中的比例，而召回率则衡量正样本被正确识别的程度。F1分数综合考虑了精确率和召回率。在面对异常值时，平均根误差（RMSE）可能会受到较大影响，此时可选用平均绝对百分比误差（MAPE）作为替代评估标准。选择合适的评估指标对于模型的优化至关重要。
Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

准确率：分类正确的样本占总样本个数的比例，Accuracy=ncorrect/ntotal

精确率Precision：精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数比例

召回率Recall：分类正确的正样本个数占真正的正样本个数的比例

如何评估排序模型的性能？

F1 Score和ROC曲线能综合反映一个排序模型的性能

F1=（2*Precision*Recall）/（Precision+Recall)

平均根误差

RMSE（Root Mean Square Error）经常用来衡量回归模型的好坏，但也有指标失效的时候

 

其中：Yi是第i个样本点的真实值；^Yi是第i个样本点的预测值，m是样本点个数

一般情况下，RMSE能很好地反映回归模型预测值与真实偏离程度，但是在实际问题中，如果存在个别偏离程度非常大的离群点，即使离群点数量非常少，也会让RMSE指标变得很差

可以找个合适的指标来评估，比如MAPE，平均绝对百分比误差

MAPE：Mean Absolute Percentage Error

 

 

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

预测评价指标：MSE,RMSE,MAE，MAPE，SMAPE
qq_31244453的博客
03-11 3万+
目录 前言 MSE RMSE MAPE SMAPE Python程序 前言 分类问题的评价指标是准确率，回归算法的评价指标是MSE,RMSE，MAE.测试数据集中的点，距离模型的平均距离越小，该模型越精确。使用平均距离，而不是所有测试样本的距离和，因为受样本数量影响。 假设： MSE 均方误差(Mean Square Error) 范围[0,+∞],当预测值与真实值完全吻合时等于0，即完美模型；误差越大，该值越大，模型性能越差。 RMSE 均方根误差(Root Mean
常用推荐系统评测指标
weixin_46351593的博客
06-05 6086
本文作为我学习推荐算法时的学习笔记，来总结一些推荐系统中的评测指标通常推荐系统的评测方法有四种：。本文主要介绍线下评测，线下评测是推荐系统的，通常有两种评测方式，一种是，一种是。（1）是一种军事演习式的测试。模拟测试当然无法代替真实数据，但是也能暴露一些问题。通常做法是先收集业务数据，也就是根据业务场景特点，构造用户访问推荐接口的参数。这些参数要尽量还原当时场景，然后拿这些参数数据去实时访问推荐推荐，产生推荐结果日志，收集这些结果日志并计算评测指标，就是离线模拟测试。
机器学习模型中的评价指标
芳樽里的歌的博客
02-24 5219
列举了机器学习模型中常用的一些评价指标
评估指标中的RMSE,MAE,MAPE分别表示什么，取值范围一般多大，优缺点有哪些？
qlkaicx的博客
01-12 6万+
RMSE（Root Mean Square Error）：均方根误差。优点在于衡量预测值与真实值之间的偏差程度，数值越小表示模型的预测精度越高。此外，RMSE易于理解，计算方便，并且对异常值较为敏感。然而，RMSE的缺点在于对目标变量本身的变异性缺乏考虑，可能无法准确反映模型的性能。同时，RMSE对异常值的敏感性可能导致评价结果不够稳定。MAE（Mean Absolute Error）：平均绝对误差。优点在于计算每个样本的预测误差的绝对值的平均数，直观地表示模型预测值与真实值之间的差距大小。
回归评价指标:MAE、MSE、RMSE、MAPE和R-Squared
学习记录，厚积薄发
02-04 1万+
MAE、MSE、RMSE、MAPE、R-Squared傻傻分不清楚
机器学习模型评估指标准确率、精确率、召回率、F1-Score、AUC、MAE、MSE、RMSE、R-Squared等
YPS的博客
11-17 8142
#来查看一下sklearn中所有的模型评估指标 import sklearn.metrics sorted(sklearn.metrics.SCORERS.keys()) 回归 误差函数：平均绝对误差/相对误差(MAE)、平均绝对百分比误差(MAPE)、均方误差(MSE)、均方根（RMSE）、标准差(SD)、拟合优度(R2/R- Square) 分类 误差函数：0-1、对数、指数、合页 其他度量：准确率（accuracy）、查准率/精准率（precision)、查全率/召回率(recall)、F1
机器学习-模型评估指标与计算方法
数据掘金
07-20 8487
算法的评价
2.3 什么是平方根误差（RMSE）？平方根误差的有什么局限性
seasonsyy的博客
03-15 1278
2.3 什么是平方根误差（RMSE）？平方根误差的有什么局限性
模型评估指标总结（预测指标、分类指标、回归指标）
m0_49866160的博客
03-18 5万+
关于模型指标评估总结，涉及预测指标（MAE/MSE/RMSE/等）、分类指标（PR曲线、ROC曲线和AUC曲线）和回归指标（MAE、MSE），还有深度学习中的一些概念如：KL散度、JS散度、常用损失函数，鲁棒性与泛化性
深度学习常用损失MSE、RMSE、MAE和MAPE
weixin_48018951的博客
03-17 2万+
三种常见损失总结，MSE、RSME、MAE
RMSE、MAPE、准确率、召回率、F1、ROC、AUC数据挖掘中的性能指标总结
ge_nious的博客
03-06 2万+
RMSE(root mean square error)均方根误差 单纯统计误差的值。   MAPE(mean absolute percentage error) 平均百分比误差 存在一个和原始数据相比较的过程。   准确率（precision）P： P=TP/(TP+FP) TP(true positive) FP(false positive) P是代表预测为真...
机器学习——需求预测——准确性（误差）统计——MAE、MSE、MAPE、WMAPE
huangguohui_123的博客
11-21 3万+
误差指标 公式（为预测值，为真实值） 特点 缺点 MAE 1、易受真实值量纲上的差别带来的影响 MSE 1、加倍惩罚极端误差 1、易受真实值量纲上的差别带来的影响 2、极端值的影响 MAPE WMAPE 一、平均绝对误差(Mean Absolute Error，MAE) 其中，为预测值，为真实值。 由于...
python计算均方根误差_scikit学习：如何计算均方根误差（RMSE）的百分比？
weixin_39669638的博客
12-06 4289
time X Y0.000543 0 100.000575 0 100.041324 1 100.041331 2 100.041336 3 100.04134 4 10...9.987735 55 2399.987739 56 2399.987744 57 2399.987749 58 2399.987938 59 239数据集中的第三列(Y)是我...
机器学习之回归模型预测性能评估指标（RMSE、MSE、MAE、MAPE、SMAPE、R^2 Score、R^2 ）
有你真好的博客
07-15 2万+
机器学习就是通过大量的数据进行训练，然后得出输入数据的模型特征；再次输入相关的数据时，能得到一个预测的结果。这在现实生活中解决了大量的问题，如：股票预测、物体分类、房价预测等等，这些都依赖机器学习带给我们的便利。......
RMSE、MAE和MAPE
Mazhenfeng_的博客
04-17 1055
RMSE对误差异常值比较敏感，主要是由于其经历了平方这个过程，例如，一模型对某一数据a的预测误差是2，而对另一个数据b的预测误差是4，平方之后就分别是4和16，原先是差2倍，现在在误差上就是差4倍。在进行价格预测时，价格肯定会是大于0，假设真实价格是10，对于负预测值来说，最大也就是100%（0 减去10，再除以10就是100%，不可能再高了），而对于正预测来说，就没有这个限制了，误差可以是100%以上。2，MAE小，MAPE大，模型在真实值取值较小时，表现不佳，而在真实值取值较大时，表现更佳。
【小白学机器学习5】评价预测值和观测值差异的指标：MSE, RMSE,MAE, MAPE, WMAPE
奔跑的犀牛先生
02-29 9192
偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据。方差：描述的是预测值的变化范围，离散程度，也就是离其(预测值整体)期望值的距离。方差越大，数据的分布越分散预测值和真实值完全没关系。方差小只是一群估计值自身的属性，够不够聚拢，发散是否厉害。有可能方差很大也可能很小，但偏离真实值很远的情况。简单的理解，范式就是距离L1 范式距离，就是 |y1-y2|L2 范式距离，就是 (y1-y2)**2以下类推像我现在的水平，暂时了解到这么多即可。
MATLAB 中RMSE和MAPE的计算方法
热门推荐
健忘16的博客
10-29 7万+
RMSE：均方根误差 matlab计算方法： rmse = sqrt(mean((YPred-Obverval).^2)); MAPE：平均百分比误差 matlab计算方法： meap = mean(abs((observed - predicted)./observed))*100; ...
四种分析预测精度平均绝对偏差MAD、平均平方误差MSE、平均预测误差MFE、平均绝对百分误差MAPE的优缺点比较
qq_43161793的博客
05-28 4万+
平均绝对偏差（MAE）： 计算公式： 优点：平均绝对误差由于离差被绝对值化，不会出现正负相抵消的情况，因而，平均绝对误差能更好地反映预测值误差的实际情况
【性能指标】：平均绝对百分比误差 (Mean Absolute Percentage Error，MAPE) 的解释
最新发布
wq6qeg88的博客
10-30 3060
MAPE是预测准确性的评估指标，衡量预测值与实际观测值之间的平均绝对偏差百分比。该指标以相对误差形式表达预测精度，使不同量级数据的预测性能具有可比性。
RMSE、MAE等误差指标整理
qq_40206371的博客
08-20 2万+
1 MAE Mean Absolute Error ，平均绝对误差 是绝对误差的平均值
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值