一共有三個標準（常用的有三個）：

1.校正模型的相關系數；

2.校正標準偏差【校正集的預測均方差】（root mean square error of calibration,RMSEC）；

3.預測標準偏差[預測集的預測均方差]（root mean square error of prediction, RMSEP）；???????????? 【這個是評測模型好壞最關鍵的參數】

4.rmsecv。[這個有點不明白]? 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【這里講的更細致一些】

?

關于1.中的校正模型的相關系數，也就是決定系數R的平方。

• • • 定義：對模型進行線性回歸后，評價回歸模型系數擬合優度。

    • 公式：R2=SSR/SST=1-SSE/SST
      SST (total sum of squares)：總平方和
      SSR (regression sum of squares)：回歸平方和
      SSE (error sum of squares) ：殘差平方和。

      結論：R^2=81%，因變量Y的81%變化由我們的自變量X來解釋。

?

?

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

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

就是說，我想對卷積平滑、一階導數、二階導數等光譜預處理方法進行篩選最佳條件時，是選RMSEP最小值來判斷還是RMSEC最小值來判斷？謝謝

回答是：rmsecv

?

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

原文由 風云xxf(v2808852) 發表:近紅外光譜定量分析中，定量模型的評價有兩個指標RMSEP、RMSEC，為什么一般RMSEP的值大于RMSEC用PLS 方法建立定標模型時,一般會通過模型評價指標如定標相關系數（Rc）、預測相關系數（Rp）、定標均方根偏差（RMSEC）、預測均方根偏差（RMSEP）、相對定標均方根偏差（RRMSEC）和相對預測均方根偏差（RRMSEP)來評價.你的問題是關于定標均方根偏差（RMSEC）與預測均方根偏差（RMSEP）,二者的樣本分別為定標集和驗證集.>>>

BUCHI的NIR對SEC和SEP還有個衡量標準，那就是SEC與SEP的比值。這個比值需要在0.8至1.2。這兩者相近，說明模型的定標集和驗證集的誤差相差不大。這是我們所希望的，如果兩者的比值相差過大，則說明你用的模型不能很好地預測未知樣品

Sec和Sep不一定就小，有時也可能大。具體原因與兩個樣品集的選擇有關

一個是外部驗證，另一個是內部驗證，RMSEP當然比RMSEC大了。。

?

?

?

轉載于:https://www.cnblogs.com/chulin/p/10237151.html

總結

以上是生活随笔為你收集整理的关于模型的评估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。