R语言中的模型评估指标：R方等指标

R语言中的模型评估指标：R方等指标

在数据分析和机器学习中，评估模型的性能是一项重要的任务。R语言提供了许多用于评估模型准确性的指标，其中最常用的是R方（R-squared）指标。除了R方之外，还有其他一些常用的指标，如调整R方（Adjusted R-squared）、均方误差（Mean Squared Error）和均方根误差（Root Mean Squared Error）。本文将介绍这些指标的概念和用法，并提供相应的R语言代码示例。

1. R方（R-squared）
   R方是一种常见的模型评估指标，用于衡量回归模型对观测数据的拟合程度。它的取值范围在0到1之间，越接近1表示模型拟合得越好，而越接近0则表示拟合效果较差。R方的计算公式如下：

# 计算R方
r_squared <- function(actual, predicted) {
  numerator <- sum((predicted - mean(actual))^2)
  denominator <- sum((actual - mean(actual))^2)
  r2 <- numerator / denominator
  return(r2)
}

在上述代码中，actual为观测到的实际值，predicted为模型预测的值。函数r_squared计算了R方，并返回结果。

2. 调整R方（Adjusted R-squared）
   调整R方是对R方进行修正的指标，考虑了模型中使用的自变量数量。它的计算公式如下：