跳到主要内容

多输出回归评估（MultiOutput）使用文档

组件名称多输出回归评估（MultiOutput）
工具集机器学习/算法设计/机器学习/评估/多输出回归评估（MultiOutput）
组件作者雪浪云-燕青
文档版本1.0
功能多输出回归评估（MultiOutput）算法
镜像名称ml_components:3
开发语言Python

组件原理​

多输出回归支持 MultiOutputRegressor 可以被添加到任何回归器中。这个策略包括对每个目标拟合一个回归器。因为每一个目标可以被一个回归器精确地表示，通过检查对应的回归器，可以获取关于目标的信息。 因为 MultiOutputRegressor 对于每一个目标可以训练出一个回归器，所以它无法利用目标之间的相关度信息。

现实任务中往往会对学习器的泛化性能、时间开销、存储开销、可解释性等方面的因素进行评估并作出选择。

回归模型评估有三种方法，分别是：平均绝对值误差、均方误差和R平方值。

平均绝对误差（MAE）就是指预测值与真实值之间平均相差多大。

均方误差是指参数估计值与参数真值之差平方的期望值，记为MSE。MSE是衡量平均误差的一种较方便的方法，MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

R平方值是表征回归方程在多大程度上解释了因变量的变化，或者说方程对观测值的拟合程度如何。

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称：预测后数据
  • 输入类型：Csv文件
  • 功能描述： 输入预测后的数据

输出桩​

支持json文件输出。

输出端子1​

  • 端口名称：评估结果
  • 输出类型：json文件
  • 功能描述： 输出评估的结果

参数配置​

评估指标​

  • 功能描述：选择回归评估的指标，有以下指标可以选择：mean_absolute_error、mean_squared_error、mean_squared_log_error、r2_score、explained_variance_score、median_absolute_error
  • 必选参数：是
  • 默认值：mean_absolute_error

权重​

  • 功能描述：数据评估的权重
  • 必选参数：是
  • 默认值：（无）

标签列​

  • 功能描述：标签列
  • 必选参数：是
  • 默认值：（无）

预测列​

  • 功能描述：预测列
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

测试用例​

  • 模板

  • 右面板配置

  • 查看结果