《数据挖掘与机器学习》 课件3.2 评估建筑工程混凝土抗压强度检测模型.pptx

评估建筑工程混凝土抗压强度检测模型建筑工程混凝土抗压强度检测——线性回归

任务描述我国坚持以人民安全为宗旨，建筑工程中，安全尤为重要。建筑施工企业在安全管理中必须坚持“安全第一，预防为主，科学管控，综合治理”的方针。施工安全是重中之重，保护人民群众的生命健康权，是国家的基本任务。为了保证施工安全，保护工人生命健康，在构建建筑工程混凝土抗压强度检测模型之后，需要对预测模型进行评价。

任务要求使用sklearn库进行模型的评价。

线性回归评估

线性回归评估什么是线性回归评估?回归评价的作用是通过对回归分析中的数据和假设的检验和分析，来评估模型的效果。目前常用的回归模型评价方法如表所示。方法名称最优值sklearn函数平均绝对误差0.0metrics.mean_absolute_error均方误差0.0metrics.mean_squared_error可解释方差值1.0metrics.explained_variance_scoreR方值1.0metrics.r2_score

线性回归评估图为一个简单的房屋价格回归预测图，图中共有3个样本点用“o”点表示，“+”点表示回归直线对该样本点的预测值。本节以该图为例，简要讲解评价指标的计算。

使用平均绝对误差指标评估模型平均绝对误差（MAE）反应了样本点偏离预测直线的程度，如下式所示。 利用上式可求得左图的MAE如下。

使用均方误差指标评估模型利用上式可求得左图的MSE如下。 均方误差（MSE）反映了样本点偏离预测直线的程度的平方距离，如下式所示。

使用可解释方差指标评估模型可解释方差值（EVAR）衡量的是所有预测值和样本之间的差的分散程度与样本本身的分散程度的相近程度，如下式所示。

使用可解释方差指标评估模型利用可解释方差值公式可求得左图的EVAR如下。

使用R方差指标评估模型R方值衡量的是预测值对于真值的拟合好坏程度，如下式所示。 利用上式可求得图的R方值如下。

线性回归评估房地产发展，落脚点是民生。房屋价格是影响民生的重要因素，保障和改善居民住房，一直是国家关注的重点和人民殷切的希望。居民希望对房屋均价有一个自己的了解，需要对房屋价格和房屋面积进行回归分析，并对回归结果进行评价。

线性回归评估房屋价格线性回归模型的平均绝对误差为：5461.1311902693315房屋价格线性回归模型的均方误差为：73246897房屋价格线性回归模型的可解释方差值为：0.9217826266573412房屋价格线性回归模型的R方值为：0.9181417274539507由代码运行结果可知，虽然回归模型的平均绝对误差和均方误差数值较大，但是可解释方差值与R方值均大于0.9。可知模型的拟合效果较好，均方误差数值较大的原因可能是样本点本身数值较大。为了网络强国的方针，应该继续优化模型，提高模型预测的准确率。对房屋价格和面积进行回归分析并评价

使用平均绝对误差指标评估模型使用均方误差指标评估模型使用可解释方差指标评估模型使用R方指标评估模型

了解模型评估的意义回归模型建立后，为了保证回归模型的预测结果真实可靠，需要对模型进行评价。sklearn库中有封装好的用于计算评价指标的函数。调用这些函数，可以方便的计算回归模型的评价指标。

评估建筑工程混凝土抗压强度检测模型使用sklearn库中的mean_squared_error类进行均方误差的计算2使用sklearn库中的mean_absolute_error类进行平均绝对误差的计算1使用sklearn库中的explained_variance_score类进行可解释方差的计算。3使用sklearn库中的r2_score类进行R方的计算。4