关于模型的评估

一共有三个标准（常用的有三个）：

1.校正模型的相关系数；

2.校正标准偏差【校正集的预测均方差】（root mean square error of calibration,RMSEC）；

3.预测标准偏差[预测集的预测均方差]（root mean square error of prediction, RMSEP）；             【这个是评测模型好坏最关键的参数】

4.rmsecv。[这个有点不明白]  RMSECV=sqrt(sum((Y-Yv).^2)/n);

https://www.jianshu.com/p/8aefd78be186

https://blog.csdn.net/grape875499765/article/details/78631435?locationNum=11&fps=1【这里讲的更细致一些】

关于1.中的校正模型的相关系数，也就是决定系数R的平方。

• 定义：对模型进行线性回归后，评价回归模型系数拟合优度。

• 公式：R2=SSR/SST=1-SSE/SST
  SST (total sum of squares)：总平方和
  SSR (regression sum of squares)：回归平方和
  SSE (error sum of squares) ：残差平方和。

结论：R^2=81%，因变量Y的81%变化由我们的自变量X来解释。

、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、

https://bbs.instrument.com.cn/topic/5898219_1

就是说，我想对卷积平滑、一阶导数、二阶导数等光谱预处理方法进行筛选最佳条件时，是选RMSEP最小值来判断还是RMSEC最小值来判断？谢谢

回答是：rmsecv

http://bbs.antpedia.com/thread-341212-1-1.html

原文由 风云xxf(v2808852) 发表:近红外光谱定量分析中，定量模型的评价有两个指标RMSEP、RMSEC，为什么一般RMSEP的值大于RMSEC用PLS 方法建立定标模型时,一般会通过模型评价指标如定标相关系数（Rc）、预测相关系数（Rp）、定标均方根偏差（RMSEC）、预测均方根偏差（RMSEP）、相对定标均方根偏差（RRMSEC）和相对预测均方根偏差（RRMSEP)来评价.你的问题是关于定标均方根偏差（RMSEC）与预测均方根偏差（RMSEP）,二者的样本分别为定标集和验证集.>>>

BUCHI的NIR对SEC和SEP还有个衡量标准，那就是SEC与SEP的比值。这个比值需要在0.8至1.2。这两者相近，说明模型的定标集和验证集的误差相差不大。这是我们所希望的，如果两者的比值相差过大，则说明你用的模型不能很好地预测未知样品

Sec和Sep不一定就小，有时也可能大。具体原因与两个样品集的选择有关

一个是外部验证，另一个是内部验证，RMSEP当然比RMSEC大了。。