R modelr model-quality 计算给定数据集的模型质量

在响应变量的范围内可以立即解释三个摘要：

rmse() 是 root-mean-squared-error
mae() 是平均绝对误差
qae() 是绝对误差的分位数。

其他总结有不同的范围和解释：

mape() 表示绝对百分比误差。
rsae() 是绝对误差的相对总和。
mse() 是mean-squared-error。
rsquare() 是预测方差除以响应方差。

用法

mse(model, data)

rmse(model, data)

mae(model, data)

rsquare(model, data)

qae(model, data, probs = c(0.05, 0.25, 0.5, 0.75, 0.95))

mape(model, data)

rsae(model, data)

参数

model: 一个模型
data: 数据集
probs: 概率的数值向量

例子

mod <- lm(mpg ~ wt, data = mtcars)
mse(mod, mtcars)
#> [1] 8.697561
rmse(mod, mtcars)
#> [1] 2.949163
rsquare(mod, mtcars)
#> [1] 0.7528328
mae(mod, mtcars)
#> [1] 2.340642
qae(mod, mtcars)
#>        5%       25%       50%       75%       95% 
#> 0.1784985 1.0005640 2.0946199 3.2696108 6.1794815 
mape(mod, mtcars)
#> [1] 0.1260733
rsae(mod, mtcars)
#> [1] 0.1165042

源代码：R/quality.R

相关用法

注：本文由纯净天空筛选整理自Hadley Wickham等大神的英文原创作品 Compute model quality for a given dataset。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。