目次
概要
回帰モデルを評価するときに使用する評価指標をまとめました。
回帰モデルの評価指標一覧
評価指標 | 関数 |
---|---|
平均二乗誤差 (MSE) | sklearn.metrics.mean_squared_error() |
平均平方二乗誤差 (RMSE) | numpy.sqrt(sklearn.metrics.mean_squared_error()) |
対数平均二乗誤差 (MSLE) | sklearn.metrics.mean_squared_log_error() |
対数平均平方二乗誤差 (RMSLE) | numpy.sqrt(sklearn.metrics.mean_squared_log_error()) |
平均絶対誤差 (MAE) | sklearn.metrics.mean_absolute_error() |
決定係数 () | sklearn.metrics.r2_score() |
平均二乗誤差 (MSE)
平均二乗誤差 (Mean Squared Error, MSE) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.mean_squared_error() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [1]:
0.008749999999999997 0.008749999999999997
平均平方二乗誤差 (RMSE)
平均平方二乗誤差 (Root Mean Squared Error, RMSE) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.mean_squared_error() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [2]:
0.09354143466934851 0.09354143466934851
対数平均二乗誤差 (MSLE)
対数平均二乗誤差 (Mean Squared Logarithmic Error, MSLE) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.mean_squared_log_error() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [3]:
0.0013093993706169834 0.0013093993706169834
対数平均平方二乗誤差 (RMSLE)
対数平均平方二乗誤差 (Root Mean Squared Logarithmic Error, RMSLE) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.mean_squared_log_error() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [4]:
0.03618562381135613 0.03618562381135613
平均絶対誤差 (MAE)
平均絶対誤差 (Mean Absolute Error, MAE) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.mean_absolute_error() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [5]:
0.0625 0.0625
決定係数 ()
決定係数 (coefficient of determination, ) は次の式で計算する指標です。 scikit-learn の sklearn.metrics.r2_score() で計算できます。
- : サンプル数
- : 番目のサンプルの目標値
- : 番目のサンプルの予測値
In [6]:
0.9239130434782609 0.9239130434782609
コメント