残差怎么算

残差是指模型预测值与实际观测值之间的差异，在统计学和机器学习中，我们通常用均方误差(MSE)来衡量残差的平方和，MSE是实际观测值与模型预测值之差的平方和的平均值，计算公式如下：

MSE = Σ(y_i - y_hat)^2

y_i是实际观测值，y_hat是模型预测值。

在多元线性回归中，每个样本点有多个预测值，我们需要计算每个样本点的残差平方和(RSS),然后除以样本量(n)，RSS的计算公式如下：

RSS = Σ(yi - (β0 + β1 * x1 + ... + βk * xk))^2

yi是实际观测值，β0, β1, ..., βk是回归系数，x1, ..., xk是自变量。

我们可以通过以下公式计算R^2(决定系数):

R^2 = 1 - (RSS / SS_res)

SS_res是残差平方和，SS是总平方和。

这就是如何计算残差的方法，希望对你有所帮助！