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);

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/SSTSST (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。

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

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

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。。