《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.pptxVIP

8南宁职业技术学院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

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

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。

评估建筑工程混凝土抗压强度检测模型

任务描述

评估建筑工程混凝土抗压强度检测模型

使用sklearn库进行模型的评价。

任务要求

Part1相关知识

·线性回归评估

方法名称

最优值

sklearn函数

平均绝对误差

0.0

metrics.mean_absolute_error

均方误差

0.0

metrics.mean_squared_error

可解释方差值

1.0

metrics.explained_variance_score

R方值

1.0

metrics.r2_score

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。

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。

总价/万元

5o0

480

390

300

200

120

房屋面积/平方米

评估建筑工程混凝土抗压强度检测模型

线性回归评估

100150250

评估建筑工程混凝土抗压强度检测模型

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。

使用平均绝对误差指标评估模型

总价/万元

500

480

390

300

200

120

100150250房屋面积/平方米

评估建筑工程混凝土抗压强度检测模型

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。

利用上式可求得左图的MSE如下。

使用均方误差指标评估模型

总价/万元

500

480

390

300

200

120

房屋面积/平方米

100150

250

评估建筑工程混凝土抗压强度检测模型

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

总价/万元

5o0

480

390

300

200

120

100150250房屋面积/平方米

评估建筑工程混凝土抗压强度检测模型

利用可解释方差值公式可求得左图的EVAR如下。

使用可解释方差指标评估模型

总价/万元

500

480

390

300

200

120

100150

房屋面积/平方米

250

评估建筑工程混凝土抗压强度检测模型

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。

使用R方差指标评估模型

总价/万元

500

480

390

300

200

120

房屋面积/平方米

100150

250

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。

评估建筑工程混凝土抗压强度检测模型

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