线性回归中常见的一些统计学术语(RSE RSS TSS ESS MSE RMSE R2 Pearson's r)
TSS: Total Sum of Squares(总离差平方和) --- 因变量的方差
RSS: Residual Sum of Squares (残差平方和) --- 由误差导致的真实值和估计值之间的偏差平方和(Sum Of Squares Due To Error)
ESS: Explained Sum of Squares (回归平方和) --- 被模型解释的方差(Sum Of Squares Due To Regression)
TSS=RSS+ESS
R2: Coefficient of Determination(决定系数) --- 因变量方差中可由自变量解释的比例,是模型解释力的指标
adjusted R2: adjusted R2与R2类似,不过考虑到了样本数和变量数
MSE: Mean Squared Error (均方误差) --- 真实值和估计值之间的偏差平方和的平均值,用来评估模型的效果
RMSE: Root Mean Squared Error(均方根误差) --- MSE的方根,可从单位度量上衡量模型的效果
RSE: Residual Standard Error(残差的标准误差) --- 描述目标和真实回归线之间的平均偏移量,用来估计残差的标准差
(n-p-1: 自由度,p: 特征数)
Correlation: 也就是Pearson's r(皮尔逊相关系数) --- 用来检测自变量X和因变量Y之间的线性关系有多强