R modelr model-quality 計算給定數據集的模型質量

在響應變量的範圍內可以立即解釋三個摘要：

rmse() 是 root-mean-squared-error
mae() 是平均絕對誤差
qae() 是絕對誤差的分位數。

其他總結有不同的範圍和解釋：

mape() 表示絕對百分比誤差。
rsae() 是絕對誤差的相對總和。
mse() 是mean-squared-error。
rsquare() 是預測方差除以響應方差。

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)

參數

model: 一個模型
data: 數據集
probs: 概率的數值向量

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

源代碼：R/quality.R

相關用法

注：本文由純淨天空篩選整理自Hadley Wickham等大神的英文原創作品 Compute model quality for a given dataset。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。