**
sse(和方差、誤差平方和)：the sum of squares due to error
mse(均方差、方差)：mean squared error
rmse(均方根、標準差)：root mean squared error
r-square(確定係數)：coefficient of determination
adjusted r-square：degree-of-freedom adjusted coefficient of determination
一、sse(和方差)
該統計引數計算的是擬合資料和原始資料對應點的誤差的平方和，計算公式如下
sse越接近於0，說明模型選擇和擬合更好，資料**也越成功。接下來的mse和rmse因為和sse是同出一宗，所以效果一樣
二、mse(均方差)
該統計引數是**資料和原始資料對應點誤差的平方和的均值，也就是sse/n，和sse沒有太大的區別，計算公式如下
三、rmse(均方根)
該統計引數，也叫回歸系統的擬合標準差，是mse的平方根，就算公式如下
在這之前，我們所有的誤差引數都是基於**值(y_hat)和原始值(y)之間的誤差(即點對點)。從下面開始是所有的誤差都是相對原始資料平均值(y_ba)而展開的(即點對全)!!!
四、r-square(確定係數)
在講確定係數之前，我們需要介紹另外兩個引數ssr和sst，因為確定係數就是由它們兩個決定的
(1)ssr：sum of squares of the regression，即**資料與原始資料均值之差的平方和，公式如下
(2)sst：total sum of squares，即原始資料和均值之差的平方和，公式如下
細心的網友會發現，sst=sse+ssr，呵呵只是乙個有趣的問題。而我們的「確定係數」是定義為ssr和sst的比值，故
其實「確定係數」是通過資料的變化來表徵乙個擬合的好壞。由上面的表示式可以知道「確定係數」的正常取值範圍為[0 1]，越接近1，表明方程的變數對y的解釋能力越強，這個模型對資料擬合的也較好
mysql 幾個引數說明
table cache 表快取大小，即可以快取開啟表的個數。每個查詢請求到mysql server後，會開啟表 然後掃瞄資料 有了表快取後會把開啟的表快取起來下次使用 key buffer size 索引快取 只對myisam表有效，快取表索引 query cache size 查詢快取 類似hib...
Matlab擬合工具箱的幾個誤差引數說明
擬合,工具箱,誤差引數說,sse,mse 使用過matlab的擬合 優化和統計等工具箱的，會經常遇到下面幾個名詞 sse 和方差 誤差平方和 the sum of squares due to error mse 均方差 方差 mean squared error rmse 均方根 標準差 root...
幾個排程器引數說明
1.proc sys kernel sched short sleep ns 排程器在任務執行短暫峰值時總是試圖避免喚醒idle cpu。如果任務平均峰值小於sysctl sched short burst納秒，並且睡眠 平均時間大於sysctl sched short sleep納秒，那麼此任務傾...