回归评估器

在建模目标中的默认评估库之一是回归评估器。该库提供了一组常用来评估回归模型的核心指标。

包含的指标

默认的回归评估器生成以下数值指标：

• 行数： 评估数据集中记录的数量。
• 平均绝对误差： 标签数据和模型预测之间的平均误差（差异），无论误差方向如何。值总是正数，并在模型在评估数据集上表现更好时趋近于0。
• 均方根误差： 类似于平均绝对误差，均方根误差也表示标签数据和模型预测之间的差异，忽略误差方向。然而，均方根误差对远离标签数据的预测给予更多权重。此值始终为正，并在模型在评估数据集上表现更好时趋近于0。
• R2得分： R2（R平方）得分表示模型解释的标签数据中的方差比例。此值始终小于或等于1，得分越接近1表示模型在评估数据集上表现越好。R2得分可以为负。
• 解释方差： 类似于R2得分，表示模型预测解释的标签数据中的方差比例。当平均误差不为零时，解释方差与R2得分不同；此差异表明模型偏差。此值始终小于或等于1，得分越接近1表示模型在评估数据集上表现越好。解释方差可以为负。

默认的回归评估器生成以下图表：

• 得分分布： 显示评估数据集上模型预测分布的图表。
• 残差： 显示评估数据集上残差分布的图表，其中残差为label_value - prediction。

配置

有关完整的配置说明，请参见如何配置模型评估库的文档。

必填字段

回归评估器需要以下字段。这些列的预期值类型为整数。

• inference_field： 表示模型预测的列。
• actual_field： 包含模型预测应与之比较的值的列。

非必填字段

• histogram_bins： 用于将残差和模型得分分组为得分分布和残差图表的桶数量。如果未提供，默认为10。