机器学习预测算法指标计算：RMSE、MAE、偏差、Corr、准确度

概述

    利用统计学算法预测未来数据时，常使用不同的指标来评估预测结果的好坏，包括：均方根误差（RMSE）、平均绝对偏差（MAE）、偏差（BIAS）、相关系数（CORR）和准确率（ACCURATE）等。

评估指标计算

1. 均方根误差（RMSE）：

• rmse = sqrt( sum((y_real - y_predict)** 2 ) / len(y_real) )

2. 平均绝对偏差（MAE）:

• mae = sum( abs( y_real - y_predict ) ) / len(y_real)

3. 偏差（BIAS）:

• bias = sum( y_real - y_predict ) / len( y_real )

4. 相关系数（CORR）:

• A = mean( (y_real - mean(y_real)) * (y_predict - mean(y_predict)) )
• B = std(y_real) * std(y_predict)
• corr = A / B

5. 准确率（ACCURATE）:

• accurate = 1 - rmse

备注：

• RMSE、MAE、BIAS、ACCURATE计算需进行归一化；
• CORR计算不需要进行归一化；
• std：sqrt( sum( (y - mean(y)) * (y - mean(y))) / n )