从0开始的机器学习——线性回归篇（2）

衡量线性回归算法的指标：

1.均方误差 MSE

但是有的时候y的量纲会给问题解决带来麻烦，因为这个式子获得的是y的平方。此时考虑另一个评估标准：均方根误差。

2.均方根误差（RMSE）

这个结果的量纲和y的量纲一样。均方根误差和均方误差差异不大，对于量纲敏感型的问题可以采用均方根误差。

3.平均绝对误差（MAE）

使用波士顿房产数据进行演示：

首先引入房产数据：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

boston = datasets.load_boston()

boston.feature_names

接下来使用RM也就是房屋数量数据。

x = boston.data[:,5]    #只取房间数量这个特征
x.shape

y = boston.target
y.shape

此时发现接近上边沿有一系列点，这些点的值可能远远大于50，但是被限制到了50。可以把这部分数据去掉。

此时已经去掉了上面的那一部分点了。

※ 注意y_predict的训练。

从0开始的机器学习——线性回归篇（2）

原文：https://www.cnblogs.com/xiyoushumu/p/13363659.html