我的混淆矩阵为 C.mat
8263 20 39
2 3826 14
43 7 4431
我预测的类标签是 Ypred，实际标签是 Ytest。Ypred 大小为 16000*1 和 Ytest 16000*1。
我正在尝试计算R-squared和RMSE。有没有办法从混淆矩阵中直接计算RMSE和R 平方？
我试过这个：
RMSE = sqrt(immse(Ypred, Ytest))
但是，它没有用。
我可以使用 R 或 Matlab。
任何建议将被认真考虑！
混淆矩阵表明您正在执行分类而不是回归。RMSE 和 R-square 是与连续变量相关的度量；对于分类变量，我建议使用 Accuracy / Recall / Precision / F1 score 来衡量模型的性能。
https://www.quora.com/How-is-root-mean-square-error-RMSE-and-classification-related
除了其他受访者所说的之外，我想补充一点，如果类是ordinal ，则使用 RMSE 和 MSE 作为评估分类器的指标实际上是一个好主意。在这种情况下，类别之间存在自然顺序，即好>中等>差。因为一个类的缺失比两个或更多类的缺失更糟糕，所以您希望使用一个考虑到这一点的指标。根据Gaudette 和 Japkowicz (2009)，如果您只想使用单个指标，MSE 和 MAE 是您的最佳选择。从他们的方法来看，RMSE 也可能是一个不错的选择。
这是从 MATLAB 中的混淆矩阵计算 MSE 和 RMSE 的一种方法：
cm = [8263 20 39
2 3826 14
43 7 4431];
se = 0;
for i = 1:3
for j = 1:3
se = se + cm(i,j) * (i-j)^2;
end
end
mse = se / sum(sum(cm));
rmse = sqrt(mse);
如果您使用 RMSE 进行分类，那么实际上每个平方误差都是1. 均方误差将是您的错误分类率，而 RMSE 是其平方根。
其他有用信息
所有误差平方的均值/平均值的平方根。
RMSE 的使用非常普遍，它为数值预测提供了出色的通用误差度量。
与类似的平均绝对误差相比，RMSE 放大并严厉惩罚了较大的误差。
MATLAB 代码
RMSE = sqrt(mean((y-y_pred).^2));
代码
RMSE <- sqrt(mean((y-y_pred)^2))
Python（Scikit 学习）
from sklearn.metrics import mean_squared_error
RMSE = mean_squared_error(y, y_pred)**0.5