回归评估指标-Python实现

回归评估指标-Python实现

常用回归模型评估指标的python计算逻辑。python和相关package版本：

import sysimport sklearnimport pandas as pdimport numpy as npimport math print("Python版本：",sys.version)print("sklearn版本：",sklearn.__version__)print("pandas：",pd.__version__)print("numpy：",np.__version__)

Python版本： 3.7.0 (default, Jun 28 2018, 08:04:48) [MSC v.1912 64 bit (AMD64)]sklearn版本： 0.22pandas： 0.23.4numpy： 1.17.4

MAE

from sklearn.metrics import mean_absolute_errory_true = [3, -0.5, 2, 7]y_pred = [2.5, 0.0, 2, 8]mean_absolute_error(y_true, y_pred)

0.5

sum([abs(y_true[i]-y_pred[i]) for i in range(len(y_true))])/len(y_true)

0.5

MSE

from sklearn.metrics import mean_squared_errory_true = [3, -0.5, 2, 7]y_pred = [2.5, 0.0, 2, 8]mean_squared_error(y_true, y_pred)

0.375

sum([abs(y_true[i]-y_pred[i])**2 for i in range(len(y_true))])/len(y_true)

0.375

RMSE

这个没啥说的，mse开方就行

math.sqrt(mean_squared_error(y_true, y_pred))

0.6123724356957945

R方

from sklearn.metrics import r2_scorer2_score(y_true, y_pred)

0.9486081370449679

1 - sum([(y_true[i] - y_pred[i])**2 for i in range(len(y_true))]) / sum( [(y_true[i] - sum(y_true) / len(y_true))**2 for i in range(len(y_true))])

0.9486081370449679

整合

mape由于可能存在分母为0的情况，因此暂时没有统计。把其他指标整合一下，格式化输出：

from sklearn.metrics import mean_absolute_errorfrom sklearn.metrics import mean_squared_errorfrom sklearn.metrics import r2_scoredef reg_metric(y_true, y_predict): mae = mean_absolute_error(y_true, y_pred) mse = mean_squared_error(y_true, y_pred) rmse = math.sqrt(mean_squared_error(y_true, y_pred)) r2 = r2_score(y_true, y_pred) print("MAE:",mae) print("MSE:",mse) print("RMSE:",rmse) print("R Square:",r2)

reg_metric(y_true=y_true, y_predict=y_pred)

MAE: 0.5MSE: 0.375RMSE: 0.6123724356957945R Square: 0.9486081370449679

2020-06-16、连绵梅雨季 于南京市江宁区九龙湖

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。