模型评价：回归模型的常用评价指标
1） 样本误差：衡量模型在一个样本上的预测准确性
样本误差 = 样本预测值 – 样本实际值
2） 最常用的评价指标：均误差方（MSE）
指标解释：所有样本的样本误差的平方的均值
指标解读：均误差方越接近0，模型越准确
3） 较为好解释的评价指标：平均绝对误差（MAE）
指标解释：所有样本的样本误差的绝对值的均值
指标解读：平均绝对误差的单位与因变量单位一致，越接近0，模型越准确
4）平均绝对误差的衍生指标：平均绝对比例误差（MAPE）
指标解释：所有样本的样本误差的
2021-10-16 15:21:42
51KB
1
该函数在评估去噪算法的性能时很有用，例如心电图、脑电图、音频（语音）等。我附上了一个演示脚本，您可以使用它来运行以了解其用途。 如果您对使用此代码有疑问，请与我联系
2021-09-22 10:43:07
35KB
1
MAE、MSE、R-Square、MAPE和RMSE
以上是对于预测问题的评价指标。
1.平均绝对误差（Mean Absolute Error, MAE）
误差越大，该值越大。
2.均方误差（Mean Squared Error, MSE）
误差越大，该值越大。
SSE(和方差)与MSE之间差一个系数n，即SSE = n * MSE，二者效果相同。
3.均方根误差（Root Mean Square Error, RMSE）
是MSE的算数平均根
误差越大，该值越大。
4.平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）
注意：当真实值有数据等
2021-08-18 23:33:05
62KB
1
操作说明：
1、解压下载的CollaborativeFilteringBasedItem压缩文件
2、操作系统中需装java jdk1.7或者以上版本
3、点击start.bat，在运行过程中，输出推荐结果和mae值
2021-05-08 15:59:31
572KB
1
matlab程序，用于MAE平均绝对误差，可直接在程序中以函数名的形式调用，用来检测模型的预测值与真实值之间的偏差，值越大表示预测效果越差
2021-05-06 22:41:41
259B
1
1、解压下载的CollaborativeFilteringBasedUserKmeans压缩文件
2、操作系统中需装java jdk1.7或者以上版本
3、点击start.bat，在运行过程中，会输出聚类结果，然后输出用户id进行推荐，和mae值
2019-12-21 21:22:03
68KB
1
使用emd进行回归预测的代码，使用方法结单，只需输入训练集和测试集就可以进行emd预测了，预测的结果会保存在相应的.mat文件里，详细操作请看代码里的操作说明。资源里有demo，guidence.m文件里有调用实例，直接复制到command windows里运行就可以了，简单易懂，汉语注释说明等。运行结果会直接输出测试集的MAE, RMSE, MAPE, DISTAT这几个统计量
2019-12-21 18:51:14
4KB
1