机器学习mse（机器学习 周志华）

回归任务中的评价指标之MSE,RMSE,MAE,R-Squared,MAPE

1、分类任务的评价指标 有准确率，P值，R值，F1值，而回归任务的评价指标就是 MSE ， RMSE ， MAE 、 R-Squared 均方误差MSE是真实值与预测值的差值的平方和然后求平均。通过平方的形式便于求导，所以常被用作线性回归的损失函数。

2、回归模型的世界里，评价指标如同繁星点点，引导我们探寻最佳的模型表现。这里有四个关键指标：R、调整后R、均方误差（MSE）、均方根误差（RMSE）以及平均绝对误差（MAE）。它们各司其职，帮助我们衡量模型的拟合度和精度。接下来，我们将逐一揭示它们的奥秘。

3、探索模型精度：判定系数、MAPE、RMSE与MAE的深入解析在评估模型的精确性和预测能力时，我们通常依赖几个关键指标，它们分别是判定系数（R2）、均绝对误差（MAE）、均方误差（RMSE）和平均绝对百分比误差（MAPE）。每个指标都有其独特的侧重点，理解它们的特性至关重要。

4、紧接着，MSE（均方误差）和它的兄弟RMSE（均方根误差）登场。MSE是误差平方的平均值，而RMSE则消除了量纲影响，让我们能更直观地衡量误差。然而，MAE（平均绝对误差）则以绝对值衡量误差，虽然没有RMSE那样放大差距，却对异常值的敏感性更高。

5、平均绝对误差（MAE）：平均绝对误差是实际值与预测值之差的绝对值的平均。与MSE相比，MAE对异常值不太敏感，因此在处理具有异常值的数据时可能更为适用。R平方（R）：R平方是回归分析中的一个指标，用来衡量模型对数据的拟合程度。

机器学习-最全面的评价指标体系

1、全面解析机器学习的评价指标殿堂 在探索机器学习的世界中，2020年的你是否曾渴望记录项目经验？或许忙碌的工作和繁重的学习任务曾阻碍你的脚步。但不要担心，让我们一起回顾经典著作，如周志华的《机器学习》和MicroStrong的著作，以个人复习与分享为纽带，构建一套适用于各类场景的全面评价体系。

2、在评估机器学习算法的性能时，我们通常关注三个核心指标：准确率（accuracy）、精准率（precision）和召回率（recall）。首先，让我们来看看它们的定义：TP/： 实际为正样本且被正确预测为正的样本数，是衡量准确度的基石。FP/： 实际为负样本却被错误预测为正的样本数，它影响了精准度的计算。

3、机器学习评价指标 对于 机器学习 中 评价 模型 性能 的 指标 ，常用的有 准确率 、精度、 召回率 、P-R曲线、F1 分数、ROC、AUC以及混淆矩阵等。

计算的不清晰度最常用的计算公式是

计算不清晰度的最常用的计算公式是均方误差（Mean Squared Error，MSE）。MSE是一种衡量图像或信号清晰度的常用方法，它通过计算原始图像和处理后图像之间的差异来评估图像的清晰度。

VGA（640x480） - 「VGA」 其实本来不是个分辨率的规格，而是 IBM 计算机的一种显示标准。在规范里有 320x200 / 256 色、320x200 / 16 色、640x350 / 16 色、640x480 / 16 色等多种模式，甚至还有 80x25 和 40x25 等文字模式。

计算分辨率的公式为：分辨率=水平像素数×垂直像素数。分辨率，又称解析度、解像度，可以细分为显示分辨率、图像分辨率、打印分辨率和扫描分辨率等。分辨率决定了位图图像细节的精细程度。通常情况下，图像的分辨率越高，所包含的像素就越多，图像就越清晰，印刷的质量也就越好。

计算电脑里面一张图片的大小的计算公式如下：图片大小=分辨率*位深/8分辨率=宽*高（如：1024*768，640*480）位深：如24位，16位，8位/8计算的是字节数。

分辨率和像素的换算方法，如下：像素和分辨率转换公式就是：尺寸（长宽）乘以分辨率即可得到像素数，公式为：像素数=尺寸（长宽）分辨率。反过来，如果知道一张图片的像素数，也可以使用像素和分辨率转换公式来计算出图片的分辨率：分辨率=像素数/尺寸（长宽）。

均方差是什么意思?

1、标准差也称均方差 ，是总体所有各单位标志值与其算术平均数离差平方的算术平均数的正平方根。它的涵义与平均差基本相同，也表示各标志值对算术平均数的平均距离，所不同的只是在数学处理上有所区别。

2、在数学和统计学中，均方差（Mean Square Error，简称MSE）是一种用来计算其中一组数的离散程度或误差的指标。通过计算各个数据点之间与其平均值（或期望值）的差异的平方和，可以获得MSE的值。MSE是一种广泛使用的指标，它被应用于各种领域，包括机器学习、信号处理、预测建模等。

3、标准差（Standard Deviation） ，也称均方差（mean square error），是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。

4、方差是各个数据与平均数之差的平方的和的平均数，即 ，其中，x表示样本的平均数，n表示样本的数量，xi表示个体，而s^2就表示方差。平均差是总体所有单位与其算术平均数的离差绝对值的算术平均数。平均差是一种平均离差。离差是总体各单位的标志值与算术平均数之差。