8.1 评估指标 (MAE, MSE, RMSE, MAPE, R-squared)

文档摘要

8.1 评估指标 (MAE, MSE, RMSE, MAPE, R-squared) 8.1 评估指标 (MAE, MSE, RMSE, MAPE, R-squared) 在时间序列分析中，模型评估是至关重要的一步。它决定了我们所构建的模型是否能够准确地预测未来的数据点。为了客观地评估模型的性能，我们需要使用一些评估指标。这些指标量化了模型预测值与实际观测值之间的差异。本节将详细介绍常用的评估指标：平均绝对误差 (MAE)、均方误差 (MSE)、均方根误差 (RMSE)、平均绝对百分比误差 (MAPE) 和 R 平方 (R-squared)。 8.1.1 平均绝对误差 (MAE) 平均绝对误差 (Mean Absolute Error, MAE) 是衡量预测值和实际值之间平均绝对差异的指标。