MATLAB基础学习笔记（6、MATLAB评价预测效果好坏）

最新推荐文章于 2026-06-26 20:32:34 发布

原创最新推荐文章于 2026-06-26 20:32:34 发布 · 369 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

MATLAB

MATLAB评价预测效果好坏

清风老师主讲的MATLAB入门教程学习笔记

假设真实值是向量 $y=[y1,y2,…,yn]y=[y_1 ,y_2 ,\ldots,y_n ]$ ，拟和值或预测值是向量 $y^=[y1^,y2^,…,yn^]\hat{y} =[\hat{y_1 } ,\hat{y_2 } ,\ldots,\hat{y_n } ]$

y = [100 102 108 117 135 178 198 241 290 349];
y_hat = [93 108 118 117 141 170 196 249 296 359];
n = length(y);

1、SSE

误差（或残差）平方和（Sum of Squares due to Error）

$SSE=∑i=1n(yi−yi^)2 SSE=\sum_{i=1}^n (y_i -\hat{y_i } )^2$

SSE = sum((y - y_hat).^2)

SSE = 489

2、MSE

均方误差（Mean Square Error）

$SSE=1n∑i=1n(yi−yi^)2 SSE=\frac{1}{n}\sum_{i=1}^n (y_i -\hat{y_i } )^2$

MSE = SSE / n

MSE = 48.9000

3、RMSE

均方根误差（Root Mean Square Error），实际使用最多

它的量纲和原来数据的量纲相同

$SSE=1n∑i=1n(yi−yi^)2 SSE=\sqrt{\frac{1}{n}\sum_{i=1}^n (y_i -\hat{y_i } )^2 }$

RMSE = sqrt(MSE)

RMSE = 6.9929

4、MAE

平均绝对误差（Mean Absolute Error）

它的量纲和原来数据的量纲相同

$SSE=1n∑i=1n∣yi−yi^∣ SSE=\frac{1}{n}\sum_{i=1}^n |y_i -\hat{y_i } |$

MAE = 1 / n * (sum(abs(y - y_hat)))

MAE = 6.3000

5、MAPE

平均绝对百分比误差（Mean Absolute Percentage Error）

该公式通常将值乘以100，以百分比显示

注意：当真实值中有0时，存在分母为0的情况，该公式

$MAPE=1n∑i=1n∣yi−yi^yi∣ MAPE=\frac{1}{n}\sum_{i=1}^n \left|\frac{y_i -\hat{y_i } }{y_i }\right|$

MAPE = 1 / n * (sum(abs((y - y_hat) ./y)))

MAPE = 0.0403

将这个数乘以100，那么单位为%

MAPE = 1 / n * (sum(abs((y - y_hat) ./y))) * 100

MAPE = 4.0344

6、SMAPE

对称平均绝对百分比误差（Symmerric Mean Absolute Percentage Error）

他的范围是0%到200%，预测值和真实值完全吻合时等于0

$KaTeX parse error: Unexpected end of input in a macro argument, expected '}' at end of input: …at{y_i } |)/2}$

fz = abs(y - y_hat)

fz = 1x10
     7     6    10     0     6     8     2     8     6    10

fm = (abs(y) + abs(y_hat))/2

fm = 1x10
   96.5000  105.0000  113.0000  117.0000  138.0000  174.0000  197.0000  245.0000  293.0000  354.0000

MAPE = 1 / n * (sum(fz./fm)) * 100

MAPE = 3.9916

7、 $R^2$

决定系数、可决系数、R方、拟和优度（Coefficient of determination）

$R2=1−∑i=1n(y−y^)2∑i=1n(y−yˉ)2 R^2 =1-\frac{\sum_{i=1}^n (y-\hat{y} )^2 }{\sum_{i=1}^n (y-\bar{y} )^2 }$

$R2=∑i=1n(y^−yˉ)2∑i=1n(y−yˉ)2 R^2 =\frac{\sum_{i=1}^n (\hat{y} -\bar{y} )^2 }{\sum_{i=1}^n (y-\bar{y} )^2 }$

式中 $yˉ\bar{y}$ 是 $y$ 的均值

如果使用的是非线性回归模型，那么R方只能使用第一种计算方法！且此时R方的范围是 $(−∞,1](-\infty ,1]$

线性回归中，两种方法算出来的R方一定相等

fz = sum((y - y_hat).^2)

fz = 489

fm = sum((y - mean(y)).^2)

fm = 6.8340e+04

R2 = 1- fz/fm

R2 = 0.9928

约接近1，预测效果越好

标签

#matlab #学习 #笔记