msr()
回归性能评估指标
这些是回归任务中常用的性能评估指标。它们用于衡量回归模型的预测性能和拟合程度。以下是这些指标的解释：
- regr.bias：偏差（Bias）是预测值与真实值之间的平均差异。
- regr.ktau：Kendall's Tau系数衡量了预测值与真实值之间的排序一致性。
- regr.mae：平均绝对误差（Mean Absolute Error）是预测值与真实值之间的平均绝对差异。
- regr.mape：平均绝对百分比误差（Mean Absolute Percentage Error）是预测值与真实值之间的平均百分比差异。
- regr.maxae：最大绝对误差（Maximum Absolute Error）是预测值与真实值之间的最大绝对差异。
- regr.medae：中位数绝对误差（Median Absolute Error）是预测值与真实值之间的中位数绝对差异。
- regr.medse：中位数标准误差（Median Standard Error）是预测值与真实值之间的中位数标准差。
- regr.mse：均方误差（Mean Squared Error）是预测值与真实值之间的平均平方差异。
- regr.msle：均方对数误差（Mean Squared Logarithmic Error）是预测值与真实值的对数之间的平均平方差异。
- regr.pbias：百分比偏差（Percentage Bias）是预测值与真实值之间的平均百分比差异。
- regr.rae：相对绝对误差（Relative Absolute Error）是预测值与真实值之间的平均绝对差异相对于真实值的平均绝对差异。
- regr.rmse：均方根误差（Root Mean Squared Error）是均方误差的平方根。
- regr.rmsle：均方根对数误差（Root Mean Squared Logarithmic Error）是均方对数误差的平方根。
- regr.rrse：相对均方根误差（Relative Root Squared Error）是均方根误差相对于真实值的均方根误差。
- regr.rse：相对平方误差（Relative Squared Error）是均方误差相对于真实值的平均平方差异。
- regr.rsq：确定系数（Coefficient of Determination）表示模型解释因变量方差的百分比。
- regr.sae：绝对标准误差（Standard Absolute Error）是预测值与真实值之间的标准差。
- regr.smape：对称平均绝对百分比误差（Symmetric Mean Absolute Percentage Error）是预测值与真实值之间的对称平均百分比差异。
- regr.srho：斯皮尔曼相关系数（Spearman's Rho）衡量了预测值与真实值之间的排序相关性。
- regr.sse：平方和误差（Sum of Squares Error）是预测值与真实值之间的平方和。
这些指标提供了不同角度对回归模型的性能进行评估，您可以根据具体的需求选择合适的指标来评估和比较不同的回归模型。
