讲解视频：可以在bilibili搜索《MATLAB教程新手入门篇——数学建模清风主讲》。
MATLAB教程新手入门篇（数学建模清风主讲，适合零基础同学观看）_哔哩哔哩_bilibili
节选自第3章 3.4.2 算术运算
学完了矩阵的算术运算后，我们来做一些练习。
计算用来评价预测效果好坏的一些指标
假设真实值是向量 ，拟合值或预测值是向量
% 例如我们举一个n为10的例子
y = [100 102 108 117 135 178 198 241 290 349];
y_hat = [93 108 118 117 141 170 196 249 296 359];
n = length(y); % 10
SSE: 误差(或残差)平方和（Sum of Squares due to Error）
范围[0,+∞)，当预测值与真实值完全吻合时等于0。误差越大，该值越大。
它的量纲是原来数据量纲的平方。
SSE = sum( (y-y_hat).^2 ) % 489
MSE: 均方误差（Mean Square Error）
就是SSE除了一个n
范围[0,+∞)，当预测值与真实值完全吻合时等于0。误差越大，该值越大。
它的量纲是原来数据量纲的平方。
MSE = 1/n*(sum( (y-y_hat).^2 )) % 48.9
RMSE: 均方根误差（Root Mean Square Error）
就是MSE加了个根号
范围[0,+∞)，当预测值与真实值完全吻合时等于0。误差越大，该值越大。
它的量纲和原来数据的量纲相同。
RMSE = sqrt( 1/n*(sum((y-y_hat).^2)) ) % 6.9929
MAE: 平均绝对误差（Mean Absolute Error）
范围[0,+∞)，当预测值与真实值完全吻合时等于0。误差越大，该值越大。
它的量纲和原来数据的量纲相同。
MAE = 1/n*( sum( abs(y-y_hat) ) ) % 6.3
MAPE: 平均绝对百分比误差（Mean Absolute Percentage Error）
范围[0,+∞)，当预测值与真实值完全吻合时等于0。
可以看到，MAPE跟MAE很像，就是多了个分母。
注意：当真实值有数据等于0时，存在分母为0的问题，该公式不可用！
fz = y-y_hat; % 分子
MAPE = 1/n*(sum(abs(fz ./ y))) % 0.0403
SMAPE: 对称平均绝对百分比误差（Symmetric Mean Absolute Percentage Error）
它的范围是0％到200％，当预测值与真实值完全吻合时等于0。
注：有些地方定义的SMAPE的分母没有加绝对值，这时候SMAPE可能为负数。
fz = abs(y-y_hat); % 分子
fm = (abs(y)+abs(y_hat))/2; % 分母
SMAPE = 1/n*(sum(fz./ fm )) % 0.0399
R方: 决定系数（Coefficient of determination）
fz = sum((y - y_hat).^2); % 分子
fm = sum((y - mean(y)).^2); % 分母
R2 = 1 - fz/fm % 0.9928
R方: 决定系数的拓展：
:决定系数、可决系数、R方、拟合优度（Coefficient of determination）
注意：如果使用的是线性回归模型，那么下面两种计算R方的公式都可以使用，且此时R方的范围是[0,1]
式中是y的均值
如果使用的是非线性回归模型，那么R方使用的是第一种定义方法！
且此时R方的范围是(-∞,1].
（线性回归中，两种方法算出来的R方一定相等。非线性回归中只能使用第一种方法计算，第二种算出来的结果是错的！）